Main Content

La traduzione di questa pagina non è aggiornata. Fai clic qui per vedere l'ultima versione in inglese.

Come iniziare a utilizzare Deep Learning Toolbox

Progettazione, addestramento e analisi delle reti di Deep Learning

Il Deep Learning Toolbox™ offre un contesto per la progettazione e l’implementazione di reti neurali profonde con algoritmi, modelli preaddestrati e app. È possibile utilizzare reti neurali convoluzionali (ConvNets, CNN) e reti long short-term memory (LSTM) per eseguire attività di classificazione e regressione su dati di immagini, serie temporali e testi. Si possono costruire architetture di rete come reti generative avversarie (GAN) e reti siamesi utilizzando la differenziazione automatica, loop di addestramento e pesi condivisi. Con l’app Deep Network Designer è possibile progettare, analizzare e addestrare le reti a livello grafico. L’app Experiment Manager aiuta a gestire più esperimenti di Deep Learning in contemporanea, tenendo traccia dei parametri di addestramento, analizzando i risultati e confrontando il codice derivato dai diversi esperimenti. È possibile visualizzare le attivazioni dei livelli e monitorare graficamente i progressi dell’addestramento.

È possibile importare reti e grafici di livello da TensorFlow™ 2, TensorFlow-Keras e PyTorch®, dal formato di modello ONNX™ (Open Neural Network Exchange) e da Caffe. È inoltre possibile esportare reti e grafici di livello Deep Learning Toolbox su TensorFlow 2 e nel formato di modello ONNX. Il toolbox supporta il transfer learning con DarkNet-53, ResNet-50, NASNet, SqueezeNet e molti altri modelli preaddestrati.

È possibile velocizzare l’addestramento su una workstation GPU singola o multipla (con Parallel Computing Toolbox™) oppure scalare su cluster e cloud, tra cui istanze di NVIDIA® GPU Cloud e Amazon EC2® GPU (con MATLAB® Parallel Server™).

Tutorial

Reti superficiali

Esempi in primo piano

Apprendimento interattivo

Deep Learning Onramp
Questo tutorial gratuito di due ore sul Deep Learning fornisce un'introduzione interattiva ai metodi pratici di Deep Learning. Si apprenderà come utilizzare le tecniche di Deep Learning per il riconoscimento dell’immagine in MATLAB.

Video

Modifica interattiva di una rete di Deep Learning per il transfer learning
Deep Network Designer è uno strumento point-and-click per creare o modificare reti neurali profonde. Questo video mostra come utilizzare l’app in un workflow di transfer learning. Dimostra la facilità con cui è possibile utilizzare lo strumento per modificare gli ultimi livelli della rete importata, invece di modificare i livelli nella riga di comando. È possibile verificare l'architettura modificata per individuare eventuali errori nelle connessioni e nell'assegnazione delle proprietà utilizzando un analizzatore di rete.

Deep Learning con MATLAB: Deep Learning in 11 righe di codice MATLAB
Scoprire come utilizzare MATLAB, una semplice webcam e una rete neurale profonda per identificare gli oggetti nell'ambiente circostante.

Deep Learning con MATLAB: Transfer Learning in 10 righe di codice MATLAB
Apprendere come utilizzare il transfer learning in MATLAB per riaddestrare le reti di Deep Learning create da esperti per i propri dati o per le proprie attività.