Deep Learning Toolbox
Deep Learning Toolbox™ には、アルゴリズム、事前学習済みのモデル、およびアプリを使用した深い (深層) ニューラル ネットワークの設計と実装用のフレームワークが用意されています。畳み込みニューラル ネットワーク (ConvNet、CNN) および長短期記憶 (LSTM) ネットワークを使用して、イメージ、時系列、およびテキスト データの分類と回帰を実行できます。自動微分、カスタム学習ループ、重みの共有を使用して、敵対的生成ネットワーク (GAN) やシャム ネットワークなどのネットワーク アーキテクチャを構築できます。ディープ ネットワーク デザイナー アプリでは、ネットワークの設計、解析、学習を視覚的に実行できます。実験マネージャー アプリは、複数の深層学習実験の管理、学習パラメーターの追跡、結果の解析、および異なる実験のコードの比較に役立ちます。層ごとのアクティベーションの可視化や、学習の進行状況の視覚的な監視が可能です。
TensorFlow™ 2、TensorFlow-Keras、PyTorch®、ONNX™ (Open Neural Network Exchange) モデル形式、および Caffe から、ネットワークと層グラフをインポートできます。Deep Learning Toolbox のネットワークと層グラフを TensorFlow 2 および ONNX モデル形式でエクスポートすることもできます。ツールボックスは、DarkNet-53、ResNet-50、NASNet、SqueezeNet、その他数多くの事前学習済みモデルを使用した転移学習をサポートしています。
GPU が 1 つ以上搭載されたワークステーションでの学習の高速化 (Parallel Computing Toolbox™ を使用)、または、NVIDIA® GPU クラウドや Amazon EC2® GPU インスタンスなどのクラスターおよびクラウドへのスケール アップ (MATLAB® Parallel Server™ を使用) が可能です。
Deep Learning Toolbox 入門
Deep Learning Toolbox の基礎を学ぶ
イメージを使用した深層学習
事前学習済みのネットワークを使用して新しいタスクを高速に学習させる。または、畳み込みニューラル ネットワークにゼロから学習させる
時系列とシーケンス データを使用した深層学習
時系列の分類、回帰、および予測タスク用のネットワークの作成および学習
深層学習の調整および可視化
対話形式によるネットワークの構築と学習、実験の管理、学習の進行状況のプロット、精度の評価、予測の説明、学習オプションの調整、ネットワークによって学習された特徴の可視化
並列およびクラウドでの深層学習
ローカルまたはクラウドでの複数の GPU を使用した深層学習のスケールアップ、対話形式またはバッチ ジョブによる複数のネットワークの学習
深層学習の応用
コンピューター ビジョン、イメージ処理、自動運転、信号、オーディオ、テキスト分析、および金融工学による深層学習のワークフローの拡張
深層学習のインポート、エクスポート、およびカスタマイズ
深層学習ネットワークのインポート、エクスポート、カスタマイズ、および層、学習ループ、損失関数のカスタマイズ
深層学習データの前処理
深層学習用のデータの管理と前処理
深層学習のコード生成
C/C++ コード、CUDA® コード、または HDL コードの生成と深層学習ネットワークの展開
関数近似、クラスタリング、および制御
浅層ニューラル ネットワークを使用した回帰、分類、クラスタリング、および非線形動的システムのモデル化の実行