Réseaux préentraînés prédéfinis

Charger des réseaux préentrainés prédéfinis et effectuer un apprentissage par transfert

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.

Informations connexes

MATLAB Deep Learning Model Hub

Exemples présentés

Classer une image avec GoogLeNet

Cet exemple indique comment classer une image avec le réseau de neurones à convolution préentraîné GoogLeNet.

Ouvrir le live script

Prepare Network for Transfer Learning Using Deep Network Designer

Interactively fine-tune a pretrained deep learning network to learn a new image classification task.

Ouvrir le live script

Extract Image Features Using Pretrained Network

Extract learned image features from a pretrained convolutional neural network and use those features to train an image classifier. Feature extraction is the easiest and fastest way to use the representational power of pretrained deep networks. For example, you can train a support vector machine (SVM) using fitcecoc (Statistics and Machine Learning Toolbox™) on the extracted features. Because feature extraction only requires a single pass through the data, it is a good starting point if you do not have a GPU to accelerate network training with.

Ouvrir le live script

Classify Images in Simulink Using GoogLeNet

Classify an image in Simulink® using the Image Classifier block. The example uses the pretrained deep convolutional neural network GoogLeNet to perform the classification.

Ouvrir le script