Deep Learning Toolbox 入門

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を設計、実装、およびシミュレーションするための関数、アプリ、Simulink^® ブロックを提供します。このツールボックスは、畳み込みニューラルネットワーク (CNN) やトランスフォーマーなど、さまざまな種類のネットワークを作成および使用するためのフレームワークを提供します。ネットワーク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、量子化、投影、または枝刈りを使用してネットワークを圧縮できます。

ディープネットワークデザイナーアプリを使用すると、ネットワークを対話的に設計、編集、解析したり、事前学習済みモデルをインポートしたり、ネットワークを Simulink にエクスポートしたりできます。このツールボックスを使用することで、他の深層学習フレームワークと相互運用できます。PyTorch^®、TensorFlow™、ONNX™ のモデルをインポートして、推論、転移学習、シミュレーション、および展開を行うことができます。モデルを TensorFlow および ONNX にエクスポートすることもできます。

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 コードを自動的に生成できます。

チュートリアル

アプリのワークフロー

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。
Get Started with Time Series Forecasting
This example shows how to create a simple long short-term memory (LSTM) network to forecast time series data using the Deep Network Designer app.
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。
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

Retrain Neural Network to Classify New Images

Retrain a pretrained SqueezeNet neural network to perform classification on a new collection of images.

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。