Importazione e costruzione di reti neurali profonde

Utilizzare il transfer learning per sfruttare le conoscenze fornite da una rete preaddestrata per apprendere nuovi pattern in nuovi dati. Il fine-tuning di una rete preaddestrata con il transfer learning è in genere molto più rapido e semplice dell'addestramento da zero. L’utilizzo di reti profonde preaddestrate consente di creare rapidamente modelli per le nuove attività senza dover definire e addestrare una nuova rete, disporre di milioni di osservazioni o di una potente GPU. Deep Learning Toolbox™ fornisce diverse reti preaddestrate adatte al transfer learning. È inoltre possibile importare le reti da piattaforme esterne, come TensorFlow™ 2, TensorFlow-Keras, PyTorch^®, dal formato di modello ONNX™ (Open Neural Network Exchange) e da Caffe.

Se il transfer learning non è adatto all'attività, è possibile costruire reti da zero utilizzando il codice MATLAB^® o in modo interattivo utilizzando l'app Deep Network Designer. Se i livelli integrati non forniscono il livello necessario per l’attività, è possibile definire un livello di Deep Learning 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 i modelli che non possono essere specificati come reti di livelli, è possibile definire il modello come funzione.