Reti preaddestrate integrate

Caricare reti preaddestrate integrate ed eseguire il transfer learning

Deep Learning Toolbox™ fornisce diverse reti preaddestrate adatte al transfer learning. Il transfer learning consiste nel prendere una rete preaddestrata di Deep Learning e perfezionarla per apprendere una nuova attività. Il transfer learning è di solito più veloce e semplice rispetto all'addestramento di una rete da zero. È possibile trasferire rapidamente le feature apprese a una nuova attività utilizzando un numero minore di dati. Per scoprire le reti preaddestrate disponibili, vedere Deep Network Designer. Per ulteriori informazioni, vedere Reti neurali profonde preaddestrate.

App

Deep Network Designer

Progettare e visualizzare reti di Deep Learning

Funzioni

imagePretrainedNetwork Pretrained neural network for images (Da R2024a)

Argomenti

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.
Addestramento della rete di Deep Learning per classificare nuove immagini
Questo esempio mostra come utilizzare il transfer learning per riaddestrare una rete neurale convoluzionale, per classificare un nuovo set di immagini.
Reti neurali profonde preaddestrate
Apprendere come scaricare e utilizzare le reti neurali convoluzionali preaddestrate per la classificazione, il transfer learning e l’estrazione di feature.
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.

Informazioni complementari

Hub del modello di Deep Learning di MATLAB

Esempi in primo piano

Classificazione di immagini utilizzando GoogLeNet

Questo esempio mostra come classificare un’immagine con la rete neurale convoluzionale profonda preaddestrata GoogLeNet.

Apri live script

Preparazione della rete per il transfer learning con Deep Network Designer

Eseguire in modo interattivo il perfezionamento di una rete preaddestrata di Deep Learning per apprendere una nuova attività di classificazione delle immagini.

Apri live script

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.

Apri live script

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.

Apri script