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。

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、Compute Capability 3.0 以上の CUDA® 対応 NVIDIA® GPU が必要です。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編集および構築

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深層学習用のニューラル 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
alexnet事前学習済み AlexNet 畳み込みニューラル ネットワーク
vgg16事前学習済み VGG-16 畳み込みニューラル ネットワーク
vgg19事前学習済みの VGG-19 畳み込みニューラル ネットワーク
squeezenet事前学習済み SqueezeNet 畳み込みニューラル ネットワーク
googlenet事前学習済み GoogLeNet 畳み込みニューラル ネットワーク
inceptionv3事前学習済み Inception-v3 畳み込みニューラル ネットワーク
resnet18Pretrained ResNet-18 convolutional neural network
resnet50事前学習済みの ResNet-50 畳み込みニューラル ネットワーク
resnet101事前学習済みの ResNet-101 畳み込みニューラル ネットワーク
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
imageInputLayerイメージ入力層
convolution2dLayer2 次元畳み込み層
fullyConnectedLayer全結合層
reluLayer正規化線形ユニット (ReLU) 層
leakyReluLayer漏洩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
batchNormalizationLayerバッチ正規化層
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
averagePooling2dLayer平均プーリング層
maxPooling2dLayer最大プーリング層
maxUnpooling2dLayer最大逆プーリング層
additionLayer加算層
depthConcatenationLayer深さ連結層
softmaxLayerソフトマックス層
transposedConv2dLayerTransposed 2-D convolution layer
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
plotニューラル ネットワークの層グラフのプロット
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
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
activations畳み込みニューラル ネットワーク層の活性化の計算
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
confusionchartCreate confusion matrix chart for classification problem
ConfusionMatrixChart PropertiesConfusion matrix chart appearance and behavior
sortClassesSort classes of confusion matrix chart

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

GoogLeNet を使用したイメージの分類

この例では、事前学習済みの深層畳み込みニューラル ネットワーク GoogLeNet を使用してイメージを分類する方法を説明します。

深層学習を使用した Web カメラ イメージの分類

この例では、事前学習済みの深層畳み込みニューラル ネットワーク GoogLeNet を使用して、Web カメラのイメージをリアルタイムで分類する方法を説明します。

ディープ ネットワーク デザイナーを使用した転移学習

新しいイメージ分類タスクを学習するように、事前学習済みの深層学習ネットワークを対話形式で微調整します。

新しいイメージを分類するための深層学習ネットワークの学習

この例では、転移学習を使用して、畳み込みニューラル ネットワークの再学習を行い、新しい一連のイメージを分類する方法を説明します。

AlexNet を使用した転移学習

この例では、事前学習済みの AlexNet 畳み込みニューラル ネットワークを微調整して、新しいイメージ コレクションを分類する方法を説明します。

AlexNet を使用した特徴抽出

この例では、事前学習済みの畳み込みニューラル ネットワークから学習済みのイメージの特徴を抽出し、これらの特徴を使用してイメージ分類器に学習させる方法を説明します。

事前学習済みの畳み込みニューラル ネットワーク

分類、転移学習、特徴抽出用の事前学習済みの畳み込みニューラル ネットワークのダウンロード方法と使用方法を学習します。

新しい深いネットワークの作成

分類用のシンプルな深層学習ネットワークの作成

この例では、深層学習による分類用のシンプルな畳み込みニューラル ネットワークを作成し、学習を行う方法を説明します。

ディープ ネットワーク デザイナーを使用したネットワークの構築

深層学習ネットワークを対話形式で構築および編集します。

チェックポイント ネットワークからの学習の再開

畳み込みニューラル ネットワークの学習時にチェックポイント ネットワークを保存する方法と以前に保存したネットワークから学習を再開する方法を学習します。

回帰用の畳み込みニューラル ネットワークの学習

この例では、畳み込みニューラル ネットワークを使用して回帰モデルにあてはめ、手書きの数字の回転角度を予測する方法を示します。

深層学習層の一覧

MATLAB® のすべての深層学習層を確認できます。

畳み込みニューラル ネットワークの層の指定

畳み込みニューラル ネットワーク (ConvNet) の層と、それらが ConvNet に現れる順序について学習します。

イメージ分類用の残差ネットワークの学習

この例では、残差結合のある深層学習ニューラル ネットワークを作成し、CIFAR-10 データで学習を行う方法を説明します。

概念

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。

パラメーターの設定と畳み込みニューラル ネットワークの学習

畳み込みニューラル ネットワークの学習パラメーターの設定方法を学習します。

GPU および並列でのビッグ データを使用した深層学習

CPU、GPU、クラスター、およびクラウドでネットワークに学習させ、ハードウェアに合わせてオプションを調整します。

イメージの深層学習向け前処理

学習、予測、および分類用にイメージのサイズを変更する方法とデータ拡張およびミニバッチ データストアを使用してイメージを前処理する方法を学びます。

分類ネットワークの回帰ネットワークへの変換

この例では、学習済み分類ネットワークを回帰ネットワークに変換する方法を説明します。

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。

注目の例