La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.
Réseaux préentraînés
Utilisez l’apprentissage par transfert pour mettre à profit les connaissances offertes par un réseau préentraîné afin d’apprendre de nouveaux patterns dans de nouvelles images. L’ajustement précis d’un réseau de classification d’images préentraîné avec l’apprentissage par transfert est généralement beaucoup plus rapide et facile que l’apprentissage à partir de zéro. L’utilisation de réseaux profonds préentraînés vous permet de créer rapidement des modèles pour de nouvelles tâches sans avoir à définir et à entraîner un nouveau réseau, à disposer de millions d'images ou d'un puissant GPU. Pour explorer les réseaux préentraînés disponibles, utilisez Deep Network Designer.
Applications
Deep Network Designer | Concevoir et visualiser des réseaux de Deep Learning |
Fonctions
Blocs
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.
- 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.
- Data Sets for Deep Learning
Discover data sets for various deep learning tasks.