La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.

Application Deep Network Designer

Créer et entraîner de manière interactive des réseaux de Deep Learning

Construisez, visualisez et entraînez des réseaux de Deep Learning de manière interactive. Utilisez la page de démarrage pour charger des réseaux de classification d’images préentraînés adaptés à l’apprentissage par transfert. Analysez votre réseau pour vérifier que vous avez correctement défini l’architecture et pour détecter les problèmes avant l’apprentissage. Importez et visualisez des données d’apprentissage, spécifiez les options d’apprentissage et pistez l’apprentissage du réseau avec des figures animées illustrant la progression de l’apprentissage. Générez du code pour recréer la construction et l’apprentissage du réseau et exportez des réseaux entraînés dans Simulink^®.

Ce diagramme de flux montre des workflows courants pour la construction et l’apprentissage de modèles de Deep Learning dans l’application Deep Network Designer. Vous pouvez entraîner votre réseau dans Deep Network Designer ou exporter votre réseau non entraîné pour l’apprentissage en ligne de commande.

Applications

Deep Network Designer

Concevoir, visualiser et entraîner des réseaux de Deep Learning

Fonctions

`trainingOptions`	Options d’un réseau de neurones d’apprentissage pour le Deep Learning
`trainNetwork`	(Not recommended) Train neural network

Rubriques

Build Networks with Deep Network Designer
Interactively build and edit deep learning networks in Deep Network Designer.
Import Data into Deep Network Designer
Import and visualize data in Deep Network Designer.
Generate MATLAB Code from Deep Network Designer
Generate MATLAB^® code to recreate designing a network in Deep Network Designer.

Exemples présentés

Introduction au Deep Network Designer

Cet exemple montre comment utiliser Deep Network Designer pour adapter un réseau GoogLeNet préentraîné dans le but de classer une nouvelle collection d’images. Ce processus, nommé apprentissage par transfert, est généralement beaucoup plus rapide et facile que l’apprentissage d’un nouveau réseau car vous pouvez utiliser les caractéristiques apprises pour une nouvelle tâche avec un nombre réduit d’images d’apprentissage. Utilisez Deep Network Designer pour préparer de manière interactive un réseau pour l’apprentissage par transfert.

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

Build Time Series Forecasting Network Using Deep Network Designer

Create a simple long short-term memory (LSTM) network to forecast time series data using the Deep Network Designer app.

Ouvrir le live script

Créer un réseau simple de classification d’images avec Deep Network Designer

Cet exemple montre comment utiliser Deep Network Designer pour créer et entraîner un réseau de neurones à convolution simple pour la classification du Deep Learning. Les réseaux de neurones à convolution sont des outils essentiels pour le Deep Learning et conviennent parfaitement à la reconnaissance d'images.

Ouvrir le live script

Build Image-to-Image Regression Network Using Deep Network Designer

Use Deep Network Designer to construct an image-to-image regression network for super resolution.

Ouvrir le live script

Adapt Pretrained Audio Network for New Data Using Deep Network Designer

Interactively adapt a pretrained network to classify new audio signals using Deep Network Designer.

Ouvrir le live script