事前学習済みのディープラーニングモデル

ディープラーニングの研究コミュニティが開発したモデルアーキテクチャを活用します。広く利用されているモデルにはロバストなアーキテクチャが備わっていて、ゼロから始める必要がありません。

事前学習済みモデルの取得

ディープラーニングモデルをゼロから作成するのではなく、事前学習済みモデルを取得してタスクに直接適用したり、適応させたりできます。

MATLAB^® Deep Learning Model Hub から、カテゴリごとの最新モデルにアクセスし、モデル選択時のヒントを確認します。

ほとんどのモデルは、コマンドラインで読み込みます。以下はその例です。

 net = darknet19;

インポート関数を使用して TensorFlow™、PyTorch^®、ONNX™ モデルを MATLAB ネットワークに変換します。以下はその例です。

 net = importTensorFlowNetwork("EfficientNetV2L")

事前学習済みモデルを、画像分類、コンピュータービジョン、音声処理、LiDAR 処理、その他のディープラーニングワークフローに適用します。

適切な事前学習済みモデルを検索し、タスクに直接適用します。
事前学習済みモデルを新しいタスクやデータセットに適応させることで、転移学習を実行します。モデルを更新したり再学習させたりする方が、ゼロから作成するよりも速く、簡単です。
層の活性化状態を特徴として使用することで、事前学習済みモデルを特徴抽出器として使用します。そしてその特徴をサポートベクターマシン (SVM) など別の機械学習モデルの学習に使用します。
事前学習済みモデルを別のタイプのモデルの基礎として使用します。たとえば、畳み込みニューラルネットワークをオブジェクト検出やセマンティックセグメンテーションモデルを作成するための出発点として使用します。