Reti preaddestrate
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 Designer | Progettare e visualizzare reti di Deep Learning |
Funzioni
Blocchi
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.
- 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.
- Data Sets for Deep Learning
Discover data sets for various deep learning tasks.