Reti addestrate per immagini
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 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.
App
Deep Network Designer | Progetta, visualizza e addestra le 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.
- 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.
- Transfer Learning Using Pretrained Network
This example shows how to fine-tune a pretrained GoogLeNet convolutional neural network to perform classification on a new collection of images.
- Reti neurali deep 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
Discover deep learning capabilities in MATLAB® using convolutional neural networks for classification and regression, including pretrained networks and transfer learning, and training on GPUs, CPUs, clusters, and clouds.
- 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.