Main Content

イメージを使用した深層学習

畳み込みニューラル ネットワークのゼロからの学習、または事前学習済みのネットワークを使用した新しいタスクの高速学習

ネットワーク アーキテクチャを定義し、ネットワークにゼロから学習させて、イメージの分類タスクと回帰タスク用の深いネットワークを新しく作成します。転移学習を使用して、事前学習済みのネットワークによって提供される知識を活用し、新しいデータの新しいパターンを学習することもできます。通常は、転移学習によって事前学習済みのイメージ分類ネットワークを微調整する方が、ゼロから学習させるよりもはるかに簡単で時間がかかりません。事前学習済みの深いネットワークを使用すると、数百万のイメージや強力な GPU を用意して新しいネットワークの定義と学習を行うことなく、新しいタスクを高速に学習できます。

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しなければなりません。その後、trainNetwork 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 ラベルまたは数値応答を予測します。

畳み込みニューラル ネットワークの学習は、1 つの CPU または GPU で、複数の CPU または GPU で、あるいはクラスターまたはクラウドで並列に行えます。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、リリース別の GPU サポート (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深層学習ニューラル ネットワークの学習
analyzeNetwork深層学習ネットワーク アーキテクチャの解析
squeezenetSqueezeNet 畳み込みニューラル ネットワーク
googlenetGoogLeNet 畳み込みニューラル ネットワーク
inceptionv3Inception-v3 畳み込みニューラル ネットワーク
densenet201DenseNet-201 畳み込みニューラル ネットワーク
mobilenetv2MobileNet-v2 convolutional neural network
resnet18ResNet-18 畳み込みニューラル ネットワーク
resnet50ResNet-50 畳み込みニューラル ネットワーク
resnet101ResNet-101 畳み込みニューラル ネットワーク
xceptionXception convolutional neural network
inceptionresnetv2事前学習済み Inception-ResNet-v2 畳み込みニューラル ネットワーク
nasnetlargePretrained NASNet-Large convolutional neural network
nasnetmobilePretrained NASNet-Mobile convolutional neural network
shufflenetPretrained ShuffleNet convolutional neural network
darknet19DarkNet-19 convolutional neural network
darknet53DarkNet-53 convolutional neural network
efficientnetb0EfficientNet-b0 畳み込みニューラル ネットワーク
alexnetAlexNet 畳み込みニューラル ネットワーク
vgg16VGG-16 畳み込みニューラル ネットワーク
vgg19VGG-19 畳み込みニューラル ネットワーク

入力層

imageInputLayerイメージ入力層
image3dInputLayer3-D image input layer
featureInputLayerFeature input layer

畳み込み層と全結合層

convolution2dLayer2 次元畳み込み層
convolution3dLayer3-D convolutional layer
groupedConvolution2dLayer2-D grouped convolutional layer
transposedConv2dLayerTransposed 2-D convolution layer
transposedConv3dLayerTransposed 3-D convolution layer
fullyConnectedLayer全結合層

活性化層

reluLayer正規化線形ユニット (ReLU) 層
leakyReluLayer漏洩 (leaky) 正規化線形ユニット (ReLU) 層
clippedReluLayerクリップされた正規化線形ユニット (ReLU) 層
eluLayerExponential linear unit (ELU) layer
tanhLayerHyperbolic tangent (tanh) layer
swishLayerSwish layer
functionLayerFunction layer

正規化層、ドロップアウト層、およびトリミング層

batchNormalizationLayerバッチ正規化層
groupNormalizationLayerGroup normalization layer
instanceNormalizationLayerInstance normalization layer
layerNormalizationLayerLayer normalization layer
crossChannelNormalizationLayer チャネル単位の局所応答正規化層
dropoutLayerドロップアウト層
crop2dLayer2-D crop layer
crop3dLayer3-D crop layer

プーリング層と逆プーリング層

averagePooling2dLayer平均プーリング層
averagePooling3dLayer3-D average pooling layer
globalAveragePooling2dLayer2-D global average pooling layer
globalAveragePooling3dLayer3-D global average pooling layer
globalMaxPooling2dLayerGlobal max pooling layer
globalMaxPooling3dLayer3-D global max pooling layer
maxPooling2dLayer最大プーリング層
maxPooling3dLayer3-D max pooling layer
maxUnpooling2dLayer最大逆プーリング層

結合層

additionLayer加算層
multiplicationLayerMultiplication layer
concatenationLayerConcatenation layer
depthConcatenationLayer深さ連結層

出力層

sigmoidLayerSigmoid layer
softmaxLayerソフトマックス層
classificationLayer分類出力層
regressionLayer回帰出力層の作成
augmentedImageDatastoreバッチの変換によるイメージ データの拡張
imageDataAugmenterイメージ データ拡張の構成
augmentApply identical random transformations to multiple images
layerGraph深層学習用のネットワーク層のグラフ
plotPlot neural network layer graph
addLayers層グラフへの層の追加
removeLayers層グラフからの層の削除
replaceLayerReplace layer in layer graph
connectLayers層グラフの層の結合
disconnectLayers層グラフの層の切り離し
DAGNetwork深層学習用の有向非循環グラフ (DAG) ネットワーク
resnetLayersCreate 2-D residual network
resnet3dLayersCreate 3-D residual network
isequalCheck equality of deep learning layer graphs or networks
isequalnCheck equality of deep learning layer graphs or networks ignoring NaN values
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
confusionchartCreate confusion matrix chart for classification problem
sortClassesSort classes of confusion matrix chart

ブロック

すべて展開する

PredictPredict responses using a trained deep learning neural network
Image ClassifierClassify data using a trained deep learning neural network

プロパティ

ConfusionMatrixChart PropertiesConfusion matrix chart appearance and behavior

例および操作のヒント

事前学習済みのネットワークの使用

新しい深いネットワークの作成

概念