Main Content

Reti preaddestrate

Utilizzare le reti preaddestrate di immagini per apprendere rapidamente nuove attività

Utilizzare il transfer learning per sfruttare le conoscenze fornite da una rete preaddestrata per apprendere nuovi pattern in nuovi dati dell’immagine. Il fine-tuning di una rete di classificazione delle immagini 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 immagini o di una potente GPU. Per scoprire le reti preaddestrate disponibili, vedere Deep Network Designer.

App

Deep Network DesignerProgettare e visualizzare reti di Deep Learning

Funzioni

espandi tutto

trainingOptionsOpzioni per l’addestramento della rete neurale di Deep Learning
trainnetTrain deep learning neural network (Da R2023b)
analyzeNetworkAnalyze deep learning network architecture
imagePretrainedNetworkPretrained neural network for images (Da R2024a)
predictCompute deep learning network output for inference (Da R2019b)
minibatchpredictMini-batched neural network prediction (Da R2024a)
scores2labelConvert prediction scores to labels (Da R2024a)
confusionchartCreate confusion matrix chart for classification problem
sortClassesSort classes of confusion matrix chart

Blocchi

espandi tutto

PredictPredict responses using a trained deep learning neural network (Da R2020b)
Image ClassifierClassifica i dati utilizzando una rete neurale addestrata di Deep Learning (Da R2020b)

Argomenti