この例では、ディープ ネットワーク デザイナーを使用して事前学習済みの GoogLeNet ネットワークを適応させ、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。このプロセスは転移学習と呼ばれ、通常、新しいネットワークに学習させるよりもはるかに簡単で時間がかかりません。これは、少ない数の学習イメージを使用して、新しいタスクに学習済みの特徴を適用できるためです。転移学習用のネットワークを対話形式で準備するには、ディープ ネットワーク デザイナーを使用します。

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。

この例では、"ディープ ネットワーク デザイナー" で長短期記憶 (LSTM) ネットワークに学習させて時系列データを予測する方法を説明します。

この例では、ディープ ネットワーク デザイナーを使用して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。畳み込みニューラル ネットワークは深層学習に不可欠なツールであり、特にイメージの認識に適しています。

この例では、ディープ ネットワーク デザイナーを使用して、超解像用の image-to-image 回帰ネットワークの構築と学習を行う方法を示します。

この例では、ディープ ネットワーク デザイナーを使用し、簡単なセマンティック セグメンテーション ネットワークを作成し、その学習を行う方法を説明します。

Interactively fine-tune a pretrained network to classify new audio signals using Deep Network Designer.

Export an image classifier trained using Deep Network Designer to Simulink®.