Costruzione di reti neurali profonde
Creare nuove reti profonde per attività come la classificazione e la regressione delle immagini, definendo l’architettura della rete da zero. Costruire reti utilizzando MATLAB o in modo interattivo utilizzando Deep Network Designer.
È possibile utilizzare i livelli integrati per la maggior parte delle attività. Se non è presente un livello integrato necessario per l’attività, è possibile definire un proprio livello personalizzato. È possibile definire livelli personalizzati con parametri apprendibili e di stato. Dopo aver definito un livello personalizzato, è possibile verificare che il livello sia valido, compatibile con la GPU e che produca gradienti definiti correttamente. Per un elenco dei livelli di supportati, vedere List of Deep Learning Layers.
Per i modelli che non possono essere specificati come reti di livelli, è possibile definire il modello come funzione. Per saperne di più, vedere Define Custom Training Loops, Loss Functions, and Networks.
App
Deep Network Designer | Progettare e visualizzare reti di Deep Learning |
Funzioni
Argomenti
Livelli integrati
- Creazione di una rete neurale semplice di Deep Learning per la classificazione
Questo esempio mostra come creare e addestrare una rete neurale convoluzionale semplice per la classificazione tramite Deep Learning. - Train Convolutional Neural Network for Regression
This example shows how to train a convolutional neural network to predict the angles of rotation of handwritten digits. - List of Deep Learning Layers
Discover all the deep learning layers in MATLAB. - Build Networks with Deep Network Designer
Interactively build and edit deep learning networks in Deep Network Designer. - Deep Learning in MATLAB
Scoprire le capacità del Deep Learning in MATLAB utilizzando le reti neurali convoluzionali per la classificazione e la regressione, incluse le reti preaddestrate e il transfer learning, nonché l’addestramento su GPU, CPU, cluster e cloud. - 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. - Multiple-Input and Multiple-Output Networks
Learn how to define and train deep learning networks with multiple inputs or multiple outputs. - Example Deep Learning Networks Architectures
This example shows how to define simple deep learning neural networks for classification and regression tasks.
Livelli personalizzati
- Define Custom Deep Learning Layers
Learn how to define custom deep learning layers. - Check Custom Layer Validity
Learn how to check the validity of custom deep learning layers.