Main Content

このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。

Deep Learning Toolbox 入門

深層学習ネットワークの設計、学習、および解析

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 つ以上搭載されたワークステーションでの学習の高速化 (Parallel Computing Toolbox™ を使用)、または、NVIDIA® GPU クラウドや Amazon EC2® GPU インスタンスなどのクラスターおよびクラウドへのスケール アップ (MATLAB® Parallel Server™ を使用) が可能です。

チュートリアル

浅いネットワーク

注目の例

深層学習を使用した Web カメラ イメージの分類

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

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

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。

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。