Main Content

このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。

組み込みの学習

組み込みの学習関数を使用したシーケンス データと表形式データのための深層学習ネットワークの学習

ネットワーク アーキテクチャを定義した後、関数 trainingOptions を使用して学習パラメーターを定義できます。その後、trainNetwork または trainnet を使用してネットワークに学習させることができます。学習済みネットワークを使用して、クラス ラベルや数値応答の予測、または将来のタイム ステップの予測を行います。

ニューラル ネットワークの学習は、1 つの CPU または GPU か複数の CPU または GPU で行うことも、クラスターまたはクラウドで並列に行うこともできます。1 つの GPU または並列で学習させる場合は、Parallel Computing Toolbox™ が必要です。GPU を使用するには、サポートされている GPU デバイスが必要です (サポートされているデバイスについては、GPU 計算の要件 (Parallel Computing Toolbox)を参照してください)。関数 trainingOptions を使用して、実行環境を指定します。

アプリ

ディープ ネットワーク デザイナー深層学習ネットワークの設計、可視化、および学習

関数

すべて展開する

trainingOptions深層学習ニューラル ネットワークの学習のオプション
trainNetworkニューラル ネットワークの学習
trainnetTrain deep learning neural network (R2023b 以降)
analyzeNetwork深層学習ネットワーク アーキテクチャの解析
classify学習済み深層学習ニューラル ネットワークを使用したデータの分類
predict学習済み深層学習ニューラル ネットワークを使用した応答の予測
activations深層学習ネットワーク層の活性化の計算
predictAndUpdateState学習済み再帰型ニューラル ネットワークを使用した応答の予測とネットワーク状態の更新
classifyAndUpdateState学習済み再帰型ニューラル ネットワークを使用したデータの分類とネットワーク状態の更新
resetStateニューラル ネットワークの状態パラメーターのリセット
confusionchart分類問題用の混同行列チャートの作成
sortClasses混同行列チャートのクラスの並べ替え

トピック

多層パーセプトロン ネットワーク

再帰型ネットワーク

畳み込みネットワーク

MATLAB を使用した深層学習

  • MATLAB による深層学習
    畳み込みニューラル ネットワークを使用して分類や回帰を行う MATLAB® の深層学習機能を確認します。これには、事前学習済みのネットワークと転移学習のほか、GPU、CPU、クラスター、およびクラウドでの学習が含まれます。
  • 深層学習のヒントとコツ
    深層学習ネットワークの精度を改善する方法を学習します。
  • 深層学習用のデータセット
    さまざまな深層学習タスク用のデータセットを確認。