Deep Learning Toolbox 入門

R2026b

深層学習ネットワークの設計、学習、解析、およびシミュレーション

Deep Learning Toolbox™ は、深層ニューラルネットワークの設計、学習、およびシミュレーションを行うための関数、アプリ、Simulink^® ブロックを提供します。予測を可視化して解釈し、ネットワークプロパティを検証し、枝刈り、投影、または量子化を使用してネットワークを圧縮できます。学習済みネットワーク用の C/C++ コード、CUDA^® コード、および HDL コードを生成することもできます (MATLAB^® Coder™、GPU Coder™、または Deep Learning HDL Toolbox™ を使用)。

このツールボックスは、他の AI フレームワークへのインターフェイスを提供し、MATLAB および Simulink での推論を可能にするとともに、PyTorch^®、TensorFlow™、Keras™、および ONNX™ のモデルを MATLAB にインポートできるようにします。

ディープネットワークデザイナーアプリを使用すると、ネットワークの設計、インポート、編集、および解析を行うことができます。時系列モデラーアプリを使えば、コードを書くことなく、時系列予測のためにモデルの学習や比較を行うことができます。

チュートリアル

アプリのワークフロー

時系列予測入門
この例では、Time Series Modelerアプリを使用して、時系列データをモデル化するためのシンプルな長短期記憶 (LSTM) ネットワークを作成する方法を示します。
転移学習入門
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転移学習用のネットワークを準備する方法を示します。
ディープネットワークデザイナー入門
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、深層学習によるシーケンス分類用のシンプルな再帰型ニューラルネットワークを作成する方法を示します。
イメージ分類入門
この例では、ディープネットワークデザイナーアプリ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する方法を示します。

コマンドラインのワークフロー

10 行の MATLAB コードによる深層学習の例
SqueezeNet の事前学習済みネットワークを使用し、深層学習でライブ Web カメラに映ったオブジェクトを特定する方法を学ぶ。
事前学習済みのネットワーク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。
シンプルなイメージ分類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。

注目の例

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。

スクリプトを開く

新しいイメージを分類するためのニューラルネットワークの再学習

この例では、事前学習済みの SqueezeNet ニューラルネットワークに再学習させて、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。

ライブスクリプトを開く

深層学習を使用した時系列予測

この例では、長短期記憶 (LSTM) ネットワークを使用して時系列データを予測する方法を説明します。

ライブスクリプトを開く

対話形式の学習

ディープラーニング入門
この 2 時間の深層学習チュートリアルは無料であり、実際の深層学習の各種手法を対話形式で紹介します。MATLAB の深層学習の手法を使用してイメージの認識を行う方法を学習します。

ビデオ

転移学習用の深層学習ネットワークの対話形式での変更
ディープネットワークデザイナーは、深層ニューラルネットワークを作成または変更するためのポイント/クリックツールです。このビデオでは、転送学習のワークフローでアプリを使用する方法を説明します。コマンドラインで層に変更を加える代わりにツールを使用して、インポートされたネットワークの最後の数層を簡単に変更する方法を示します。ネットワークアナライザーを使用すると、変更後のアーキテクチャの結合とプロパティの割り当てに誤りがないか確認できます。