Vortrainierte Netze

Verwendung vortrainierter Bildnetze zum schnellen Erlernen neuer Aufgaben

Nutzen Sie Transfer Learning, um beim Erlernen neuer Muster in neuen Bilddaten das Wissen eines vortrainierten Netzes zu nutzen. Die Feinabstimmung eines vortrainierten Bildklassifizierungsnetzes mit Transfer Learning ist in der Regel viel schneller und einfacher als ein Training von Grund auf. Die Verwendung von vortrainierten tiefen Netzen ermöglicht es Ihnen, schnell Modelle für neue Aufgaben zu erstellen, ohne ein neues Netz zu definieren und zu trainieren und ohne Millionen von Bildern oder eine leistungsstarke Grafikkarte zu benötigen. Um die verfügbaren vortrainierten Netze zu untersuchen, verwenden Sie Deep Network Designer.

Apps

Deep Network Designer

Entwurf und Visualisierung von Deep-Learning-Netzen

Funktionen

alle erweitern

Trainieren des Netzes

`trainingOptions`	Options for training deep learning neural network
`trainnet`	Train deep learning neural network (Seit R2023b)
`analyzeNetwork`	Analyze deep learning network architecture

Vortrainierte Netze

imagePretrainedNetwork Pretrained neural network for images (Seit R2024a)

Vorhersage

`predict`	Compute deep learning network output for inference (Seit R2019b)
`minibatchpredict`	Mini-batched neural network prediction (Seit R2024a)
`scores2label`	Convert prediction scores to labels (Seit R2024a)
`confusionchart`	Create confusion matrix chart for classification problem
`sortClasses`	Sort classes of confusion matrix chart

Blöcke

alle erweitern

Tiefe neuronale Netze

Predict	Predict responses using a trained deep learning neural network (Seit R2020b)
Image Classifier	Klassifizierung von Daten mithilfe eines trainierten neuronalen Deep-Learning-Netzes (Seit R2020b)

Themen

Classify Webcam Images Using Deep Learning
This example shows how to classify images from a webcam in real time using the pretrained deep convolutional neural network GoogLeNet.
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.
Data Sets for Deep Learning
Discover data sets for various deep learning tasks.

Enthaltene Beispiele

Klassifizieren von Bildern mit GoogLeNet

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

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

Prepare Network for Transfer Learning Using Deep Network Designer

Interactively fine-tune a pretrained deep learning network to learn a new image classification task.

Live Script öffnen

Convert Classification Network into Regression Network

Convert a trained classification network into a regression network.

Live Script öffnen

Classify Images in Simulink Using GoogLeNet

Classify an image in Simulink® using the Image Classifier block. The example uses the pretrained deep convolutional neural network GoogLeNet to perform the classification.

Script öffnen