ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

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

ネットワークのインポートとエクスポート、カスタム深層学習層の定義、およびデータストアのカスタマイズ

TensorFlow™ -Keras、Caffe、および ONNX™ (Open Neural Network Exchange) モデル形式からネットワークやネットワーク アーキテクチャをインポートします。学習済みの Deep Learning Toolbox™ ネットワークを ONNX モデル形式にエクスポートすることもできます。

問題に合わせて独自のカスタム深層学習層を定義できます。カスタム出力層と、学習可能なパラメーターを含むカスタム層や含まないカスタム層を定義できます。たとえば、クラスの分布が不均衡な分類問題には、重み付き交差エントロピー損失を使用するカスタム重み付き分類層を使用できます。層について有効性、GPU 互換性、勾配定義の正しさをチェックできます。

メモリ外のデータの場合、データストアを作成して、深層学習ネットワークに学習させるためにデータを前処理するようにカスタマイズできます。

関数

すべて展開する

importKerasNetwork事前学習済みの Keras ネットワークおよび重みのインポート
importKerasLayersImport layers from Keras network
importCaffeNetwork事前学習済み畳み込みニューラル ネットワーク モデルを Caffe からインポート
importCaffeLayersCaffe からの畳み込みニューラル ネットワーク層のインポート
importONNXNetworkImport pretrained ONNX network
importONNXLayersImport layers from ONNX network
exportONNXNetworkExport network to ONNX model format
findPlaceholderLayersFind placeholder layers in network architecture imported from Keras or ONNX
replaceLayerReplace layer in layer graph
assembleNetworkAssemble deep learning network from pretrained layers
PlaceholderLayerLayer replacing an unsupported Keras layer, ONNX layer, or unsupported functionality from functionToLayerGraph
setLearnRateFactor層の学習可能なパラメーターの学習率係数を設定します。
setL2Factor層の学習可能なパラメーターの L2 正則化係数の設定
getLearnRateFactor層の学習可能なパラメーターの学習率係数の取得
getL2Factor層の学習可能なパラメーターの L2 正則化係数の取得
checkLayerCheck validity of custom layer
matlab.io.datastore.MiniBatchableAdd mini-batch support to datastore

トピック

カスタム層

カスタム深層学習層の定義

カスタム深層学習層の定義方法の学習

カスタム層の有効性のチェック

カスタム深層学習層の有効性のチェック方法の学習

学習可能なパラメーターを含むカスタム深層学習層の定義

この例では、PReLU 層を定義し、畳み込みニューラル ネットワークで使用する方法を説明します。

複数の入力があるカスタム深層学習層の定義

この例では、カスタム重み付き加算層を定義し、畳み込みニューラル ネットワークで使用する方法を説明します。

カスタム分類出力層の定義

この例では、残差平方和 (SSE) 損失を含むカスタム分類出力層を定義し、畳み込みニューラル ネットワークで使用する方法を説明します。

カスタム重み付き分類層の定義

この例では、重み付き交差エントロピー損失を含むカスタム重み付き分類出力層を定義し作成する方法を説明します。

カスタム回帰出力層の定義

この例では、平均絶対誤差 (MAE) 損失を含むカスタム回帰出力層を定義し、畳み込みニューラル ネットワークで使用する方法を説明します。

データストアのカスタマイズ

Datastores for Deep Learning

Learn how to use datastores in deep learning applications.

Prepare Datastore for Image-to-Image Regression

This example shows how to prepare a datastore for training an image-to-image regression network using the transform and combine functions of ImageDatastore.

Train Network Using Out-of-Memory Sequence Data

This example shows how to train a deep learning network on out-of-memory sequence data by transforming and combining datastores.

Classify Text Data Using Convolutional Neural Network

This example shows how to classify text data using a convolutional neural network.

Classify Out-of-Memory Text Data Using Deep Learning

This example shows how to classify out-of-memory text data with a deep learning network using a transformed datastore.

ネットワークの学習および組み立て

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。

Specify Custom Weight Initialization Function

This example shows how to create a custom He weight initialization function for convolution layers followed by leaky ReLU layers.

事前学習済みの Keras 層からのネットワークの組み立て

この例では、事前学習済みの Keras ネットワークから層をインポートし、サポートされていない層をカスタム層に置き換え、予測の準備が整ったネットワークをこれらの層から組み立てる方法を説明します。

深層学習ネットワークの学習時の出力のカスタマイズ

この例では、深層学習ニューラル ネットワークの学習中に各反復で実行される出力関数を定義する方法を説明します。

注目の例