このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。
Deep Learning Toolbox 入門
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
- 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。 - 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。
アプリのワークフロー
コマンド ラインのワークフロー
注目の例
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。
MATLAB を使用した深層学習: 11 行の MATLAB コードによる深層学習の例
MATLAB、シンプルな Web カメラ、および "深層" ニューラル ネットワークを使用して、身の回りの物を識別する方法を説明します。
MATLAB を使用した深層学習: 10 行の MATLAB コードによる転移学習の例
MATLAB で転移 "学習" を使用して、専門家が作成した "深層学習" ネットワークを独自のデータまたはタスク用に再学習させる方法を学習します。