Integrierte vortrainierte Netze

Laden von integrierten vortrainierten Netzen und Durchführen von Transfer Learning

Die Deep Learning Toolbox™ bietet mehrere vortrainierte Netze, die sich für das Transfer Learning eignen. Beim Transfer Learning wird ein zuvor trainiertes Deep-Learning-Netz für das Erlernen einer neuen Aufgabe abgestimmt. Die Anwendung des Transfer Learning ist in der Regel schneller und einfacher als das Training eines Netzes von Grund auf. Sie können gelernte Merkmale schnell auf eine neue Aufgabe übertragen und dabei eine geringere Datenmenge verwenden. Um die verfügbaren vortrainierten Netze zu durchsuchen, verwenden Sie Deep Network Designer. Weitere Informationen finden Sie unter Pretrained Deep Neural Networks.

Apps

Deep Network Designer

Entwurf und Visualisierung von Deep-Learning-Netzen

Funktionen

imagePretrainedNetwork Vortrainiertes neuronales Netz für Bilder (Seit R2024a)

Blöcke

alle erweitern

Tiefe neuronale Netze

Predict	Vorhersagen von Antworten mithilfe eines trainierten neuronalen Netzes für Deep Learning
Classify	Classify data using a trained deep learning neural network

Themen

Klassifizieren von Webcam-Bildern mithilfe von Deep Learning
Dieses Beispiel zeigt, wie Sie Bilder einer Webcam mithilfe des vortrainierten Convolutional Neural Networks GoogLeNet in Echtzeit klassifizieren können.
Retrain Neural Network to Classify New Images
This example shows how to retrain a pretrained SqueezeNet neural network to perform classification on a new collection of images.
Pretrained Deep Neural Networks
Learn how to download and use pretrained convolutional neural networks for classification, transfer learning and feature extraction.
Deep Learning in MATLAB
Discover deep learning capabilities in MATLAB^® using convolutional neural networks for classification and regression, including pretrained networks and transfer learning, and training on GPUs, CPUs, clusters, and clouds.
Deep Learning Tips and Tricks
Learn how to improve the accuracy of deep learning networks.

Enthaltene Beispiele

Klassifizieren von Bildern mit GoogLeNet

Dieses Beispiel veranschaulicht, wie ein Bild mithilfe von GoogLeNet, einem vortrainierten tiefen Convolutional Neural Network (Deep Convolutional Neural Network), klassifiziert wird.

Live Script öffnen

Vorbereiten des Netzes auf Transfer Learning mithilfe von Deep Network Designer

Stimmen Sie ein vortrainiertes Deep-Learning-Netz interaktiv ab, um eine neue Bildklassifizierungs-Aufgabe zu erlernen.

Live Script öffnen

Extract Image Features Using Pretrained Network

Extract learned image features from a pretrained convolutional neural network and use those features to train an image classifier. Feature extraction is the easiest and fastest way to use the representational power of pretrained deep networks. For example, you can train a support vector machine (SVM) using fitcecoc (Statistics and Machine Learning Toolbox™) on the extracted features. Because feature extraction only requires a single pass through the data, it is a good starting point if you do not have a GPU to accelerate network training with.

Live Script öffnen

Build Simple App for Deep Learning Inference Using App Designer

Use App Designer to create an app that can classify images using a deep neural network. You can modify the app for other types of deep learning inference, for example, sequence classification or image regression.