Vortrainierte Deep Learning-Modelle
Nutzen Sie Vorteile der von der Deep Learning-Forschungsgemeinschaft entwickelten Modellarchitekturen. Beliebte Modelle bieten eine fehlerresistente Architektur, damit Sie nicht bei Null anfangen müssen.
Nutzen Sie Vorteile der von der Deep Learning-Forschungsgemeinschaft entwickelten Modellarchitekturen. Beliebte Modelle bieten eine fehlerresistente Architektur, damit Sie nicht bei Null anfangen müssen.
Es steht eine umfangreiche Auswahl an vortrainierten Modellen zur Verfügung, wobei bei jedem Modell Kompromisse einzugehen sind:
Vergleichen Sie in den folgenden Abschnitten verschiedene Ansätze zwischen Modellen.
Die Struktur für den Import jedes beliebigen Modells in MATLAB lautet:
>> net = networkname
d.h.
>> net = alexnet >> net = resnet50
Wenn das Modell noch nicht heruntergeladen wurde, wird ein Link zum Herunterladen des Modells in MATLAB bereitgestellt.
Sie können diese Modelle schnell iterieren und verschiedene Einstellungen wie Datenvorverarbeitungsschritte und Trainingsoptionen ausprobieren. Sobald Sie herausgefunden haben, welche Einstellungen gut funktionieren, probieren Sie ein genaueres Netzwerk aus, um möglicherweise verbesserte Ergebnisse zu erzielen.
Beispiele ansehen
Entdecken Sie effiziente Modelle für bildbasierte Arbeitsabläufe, wie z. B. Bildklassifizierung, Objekterkennung und semantische Segmentierung.
Für Workflows zur semantischen Segmentierung:
Eine vordefinierte Netzwerkarchitektur bietet einen bequemen Ausgangspunkt für das Training semantischer Segmentierungsnetze. Dies sind häufig verwendete Schichtenarchitekturen für semantische Segmentierungsprobleme:
Weitere Informationen zur Erstellung eines semantischen Segmentierungsnetzes mit Deeplab v3+ finden Sie hier.
Bereitstellung auf Geräten mit geringer Rechenleistung und niedrigem Stromverbrauch wie Raspberry Pi oder FPGAs - hierzu sind Modelle mit geringem Speicherbedarf erforderlich.
Suchen Sie nach Modellen aus anderen Frameworks? Verwenden Sie ONNX-, TensorFlow-Keras- und Caffe-Importer, um beliebige Netze in MATLAB zu importieren.
Beispiele ansehen
Erfahren Sie, wie Sie vortrainierte Keras-Schichten importieren und nicht unterstützte Schichten durch individuelle Schichten ersetzen können.