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

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します。

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.

ライブスクリプトを開く