Main Content

Vorverarbeitung von Daten

Verwalten und Vorverarbeiten von Sequenz- und Tabellendaten für Deep Learning

Die Vorverarbeitung von Daten ist ein üblicher erster Schritt im Deep-Learning-Workflow, um die Rohdaten in ein Format zu bringen, das das Netz akzeptieren kann. Sie können Daten beispielsweise vorverarbeiten, um gewünschte Merkmale zu verbessern oder Artefakte zu reduzieren, die das Netz verfälschen können. So können Sie beispielsweise Eingangsdaten normalisieren oder Rauschen entfernen.

Sie können die Sequenzeingabe mit Operationen wie der Normalisierung vorverarbeiten, indem Sie Datastores und Funktionen verwenden, die in MATLAB® und Deep Learning Toolbox™ verfügbar sind. Andere MATLAB-Toolbox-Produkte bieten Funktionen, Datastores und Anwendungen für die Kennzeichnung, Verarbeitung und Erweiterung von Deep-Learning-Daten. Verwenden Sie spezialisierte Werkzeuge aus anderen MATLABToolbox-Produkten, um Daten für Bereiche wie Audio, Text und Signalverarbeitung zu verarbeiten.

Apps

Video LabelerLabel video for computer vision applications
Ground Truth LabelerLabel ground truth data for automated driving applications
Signal LabelerLabel signal attributes, regions, and points of interest, and extract features

Funktionen

transformTransform datastore
combineCombine data from multiple datastores
TransformedDatastoreDatastore to transform underlying datastore
CombinedDatastoreDatastore to combine data read from multiple underlying datastores
padsequencesPad or truncate sequence data to same length (Seit R2021a)
minibatchqueueCreate mini-batches for deep learning (Seit R2020b)

Themen

Enthaltene Beispiele