深層ニューラルネットワークのインポート

組み込みの事前学習済みのネットワークの読み込み、および外部のプラットフォームからのネットワークのインポート

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。

転移学習のワークフロー

Flow chart showing how to reuse a pretrained network. Load a pretrained network, replace final layers, train the network, predict and assess network accuracy, deploy results.

事前学習済みの深層ニューラルネットワーク

注目の例

ディープネットワークデザイナーを使用した転移学習用のネットワークの準備

新しいイメージ分類タスクを学習するように、事前学習済みの深層学習ネットワークを対話形式で微調整する。

ライブスクリプトを開く

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

GoogLeNet を使用した Simulink でのイメージの分類

この例では、Image Classifier ブロックを使用して、Simulink® でイメージを分類する方法を説明します。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 を使用して分類を実行します。

スクリプトを開く

Inference Comparison Between TensorFlow and Imported Networks for Image Classification

Perform prediction in TensorFlow with a pretrained network, import the network into MATLAB^® using importTensorFlowNetwork, and then compare inference results between TensorFlow and MATLAB networks.