ドキュメンテーション

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

深層学習ネットワークの作成、解析、および学習

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。アプリやプロットは、活性化の可視化、ネットワーク アーキテクチャの編集、学習の進行状況の監視に役立ちます。

小規模な学習セットについては、事前学習済みの深いネットワーク モデル (SqueezeNet、Inception-v3、ResNet-101、GoogLeNet、VGG-19 など) や、TensorFlow® -Keras や Caffe からインポートしたモデルによる転移学習を実行できます。

大規模データセットの学習を加速させるために、(Parallel Computing Toolbox™ による) 計算やデータの、デスクトップのマルチコア プロセッサや GPU への分散や、(MATLAB® Distributed Computing Server™ による) Amazon EC2® P2、P3、G3 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 アップも可能です。

Deep Learning Toolbox 入門

Deep Learning Toolbox の基礎を学ぶ

イメージを使用した深層学習

畳み込みニューラル ネットワークのゼロからの学習、または事前学習済みのネットワークを使用した新しいタスクの高速学習

時系列、シーケンス、およびテキストを使用した深層学習

時系列の分類、回帰、および予測タスク用のネットワークの作成および学習

深層学習の調整および可視化

学習の進行状況のプロット、精度の評価、予測の実行、学習オプションの調整、ネットワークによって学習された特徴の可視化

並列およびクラウドでの深層学習

ローカルまたはクラウドでの複数の GPU を使用した深層学習のスケールアップ、対話形式またはバッチ ジョブによる複数のネットワークの学習

深層学習の応用

コンピューター ビジョン、画像処理、自動運転、および信号による深層学習のワークフローの拡張

深層学習のインポート、エクスポート、およびカスタマイズ

ネットワークのインポートとエクスポート、およびカスタム深層学習層とデータストアの定義

深層学習のコード生成

CUDA® および C++ コードの生成と深層学習ネットワークの配布

関数近似およびクラスタリング

浅いニューラル ネットワークを使用した回帰、分類、クラスタリングの実行

時系列および制御システム

浅いネットワークを使用した非線形動的システムのモデル化、逐次データを使用した予測の実行。