Réseaux préentraînés prédéfinis
Deep Learning Toolbox™ propose plusieurs réseaux préentraînés adaptés à l’apprentissage par transfert. L’apprentissage par transfert consiste à prendre un réseau de Deep Learning préentraîné et à l’ajuster précisément pour apprendre une nouvelle tâche. L’apprentissage par transfert est généralement plus rapide et plus facile que l’apprentissage d’un réseau à partir de zéro. Vous pouvez transférer rapidement les caractéristiques apprises vers une nouvelle tâche avec une plus petite quantité de données. Pour explorer les réseaux préentraînés disponibles, utilisez Deep Network Designer. Pour plus d’informations, veuillez consulter Pretrained Deep Neural Networks.
Applications
Deep Network Designer | Concevoir et visualiser des réseaux de Deep Learning |
Fonctions
imagePretrainedNetwork | Pretrained neural network for images (depuis R2024a) |
Rubriques
- Classify Webcam Images Using Deep Learning
This example shows how to classify images from a webcam in real time using the pretrained deep convolutional neural network GoogLeNet.
- Retrain Neural Network to Classify New Images
This example shows how to retrain a pretrained SqueezeNet neural network to perform classification on a new collection of images.
- Utiliser un réseau de Deep Learning pour classer de nouvelles images
Cet exemple indique comment utiliser l’apprentissage par transfert pour entraîner à nouveau un réseau de neurones à convolution afin de classer un nouveau jeu d’images.
- Pretrained Deep Neural Networks
Learn how to download and use pretrained convolutional neural networks for classification, transfer learning and feature extraction.
- Deep Learning in MATLAB
Discover deep learning capabilities in MATLAB® using convolutional neural networks for classification and regression, including pretrained networks and transfer learning, and training on GPUs, CPUs, clusters, and clouds.
- Deep Learning Tips and Tricks
Learn how to improve the accuracy of deep learning networks.