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。

Deep Learning Toolbox 入門

深層学習ネットワークの設計、学習、解析

Deep Learning Toolbox™ には、アルゴリズム、事前学習済みのモデル、およびアプリを使用した深い (深層) ニューラルネットワークの設計と実装用のフレームワークが用意されています。畳み込みニューラルネットワーク (ConvNet、CNN) および長短期記憶 (LSTM) ネットワークを使用して、イメージ、時系列、およびテキストデータの分類と回帰を実行できます。自動微分、カスタム学習ループ、重みの共有を使用して、敵対的生成ネットワーク (GAN) やシャムネットワークなどのネットワークアーキテクチャを構築できます。ディープネットワークデザイナーアプリでは、ネットワークの設計、解析、学習を視覚的に実行できます。実験マネージャーアプリは、複数の深層学習実験の管理、学習パラメーターの追跡、結果の解析、および異なる実験のコードの比較に役立ちます。層ごとのアクティベーションの可視化や、学習の進行状況の視覚的な監視が可能です。

ONNX™ 形式を通じて TensorFlow™ や PyTorch とモデルを交換したり、TensorFlow-Keras や Caffe からモデルをインポートしたりできます。ツールボックスは、DarkNet-53、ResNet-50、NASNet、SqueezeNet、その他数多くの事前学習済みモデルを使用した転移学習をサポートしています。

GPU が 1 つ以上のワークステーションでの学習の高速化 (Parallel Computing Toolbox™ を使用) や、NVIDIA^® GPU Cloud、Amazon EC2^® GPU インスタンスなどのクラスターやクラウドへのスケールアップ ( MATLAB^® Parallel Server™ を使用) も可能です。

謝辞

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、事前学習済みの GoogLeNet 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。
10 行の MATLAB コードによる深層学習の例

AlexNet の事前学習済みネットワークを利用した、深層学習を使ったライブ Web カメラ上のオブジェクトの特定方法を学びます。
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。
転移学習入門

この例では、転移学習を使用して、事前学習済みの畳み込みニューラルネットワークである SqueezeNet 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。
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。
ディープネットワークデザイナーを使用したシンプルなシーケンス分類ネットワークの作成

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シンプルな長短期記憶 (LSTM) 分類ネットワークを作成する方法を説明します。

浅いネットワーク

パターン認識、クラスタリング、および時系列用の浅いネットワーク

アプリと関数を使用して、関数近似、パターン認識、クラスタリング、および時系列解析用の浅いニューラルネットワークを設計します。

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。

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

オンライン学習

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。