深層ニューラル ネットワークのインポートと構築

転移学習を使用し、事前学習済みのネットワークで得られる知識を活用して新しいデータに含まれる新しいパターンを学習させます。通常は、転移学習によって事前学習済みのネットワークを微調整する方が、ゼロから学習させるよりもはるかに簡単で時間がかかりません。事前学習済みの深いネットワークを使用すると、数百万個の観測値や強力な GPU を用意して新しいネットワークの定義と学習を行うことなく、新しいタスクのモデルを高速に作成できます。Deep Learning Toolbox™ では、転移学習に適したいくつかの事前学習済みのネットワークが用意されています。また、TensorFlow™ 2、TensorFlow-Keras、PyTorch^®、ONNX™ (Open Neural Network Exchange) モデル形式および Caffe などの外部のプラットフォームから、ネットワークをインポートすることもできます。

転移学習がタスクに適していない場合は、MATLAB^® コードを使用してネットワークをゼロから構築するか、ディープ ネットワーク デザイナー アプリを使用して対話的に構築できます。目的のタスクに必要な層が組み込み層に用意されていない場合、独自のカスタム深層学習層を定義できます。学習可能なパラメーターと状態パラメーターを使用してカスタム層を定義できます。カスタム層を定義した後、その層の有効性、GPU 互換性、定義した勾配の出力の正しさをチェックできます。層のネットワークとして指定できないモデルの場合は、モデルを関数として定義できます。