이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.
영상에서의 딥러닝
신경망 아키텍처를 정의하고 신경망을 처음부터 훈련시켜 영상 분류 및 회귀 작업을 위한 새 심층 신경망을 만듭니다. 전이 학습을 사용하여 사전 훈련된 신경망이 제공하는 지식을 활용해 새 데이터의 새 패턴을 학습할 수도 있습니다. 전이 학습을 통해 사전 훈련된 영상 분류 신경망을 미세 조정하는 것이 일반적으로 처음부터 훈련시키는 것보다 훨씬 더 빠르고 쉽습니다. 사전 훈련된 심층 신경망을 사용하면 새로운 신경망을 정의하고 훈련시키거나, 수백만 개의 영상을 갖거나, 강력한 GPU를 가질 필요 없이 새 작업을 빠르게 학습할 수 있습니다.
신경망 아키텍처를 정의한 후에 trainingOptions
함수를 사용하여 훈련 파라미터를 정의해야 합니다. 그런 다음 trainNetwork
를 사용하여 신경망을 훈련시킬 수 있습니다. 훈련된 신경망을 사용하여 클래스 레이블이나 숫자형 응답 변수를 예측합니다.
CPU, GPU, 여러 개의 CPU나 GPU 또는 클러스터나 클라우드에서 병렬로 컨벌루션 신경망을 훈련시킬 수 있습니다. GPU에서 또는 병렬로 훈련시키려면 Parallel Computing Toolbox™가 필요합니다. GPU를 사용하려면 지원되는 GPU 장치가 필요합니다. (지원되는 장치에 대한 자세한 내용은 릴리스별 GPU 지원 (Parallel Computing Toolbox) 항목을 참조하십시오.) trainingOptions
함수를 사용해서 실행 환경을 지정하십시오.
앱
심층 신경망 디자이너 | 딥러닝 신경망의 설계, 시각화 및 훈련 |
함수
블록
속성
ConfusionMatrixChart Properties | Confusion matrix chart appearance and behavior |
예제 및 방법
사전 훈련된 신경망 사용하기
- GoogLeNet을 사용하여 영상 분류하기
이 예제에서는 사전 훈련된 심층 컨벌루션 신경망 GoogLeNet을 사용하여 영상을 분류하는 방법을 보여줍니다. - 딥러닝을 사용하여 웹캠 영상 분류하기
이 예제에서는 사전 훈련된 심층 컨벌루션 신경망 GoogLeNet을 사용하여 웹캠의 영상을 실시간으로 분류하는 방법을 보여줍니다. - 심층 신경망 디자이너를 사용한 전이 학습
사전 훈련된 딥러닝 신경망이 새로운 영상 분류 작업을 학습하도록 대화형 방식으로 미세 조정합니다. - 새로운 영상을 분류하도록 딥러닝 신경망 훈련시키기
이 예제에서는 새로운 영상 세트를 분류할 수 있도록 전이 학습을 사용하여 컨벌루션 신경망을 다시 훈련시키는 방법을 보여줍니다. - 사전 훈련된 신경망을 사용하여 영상 특징 추출하기
이 예제에서는 사전 훈련된 컨벌루션 신경망에서 학습된 영상 특징을 추출한 다음 추출한 특징을 사용하여 영상 분류기를 훈련시키는 방법을 보여줍니다. - 사전 훈련된 신경망을 사용한 전이 학습
이 예제에서는 사전 훈련된 GoogLeNet 컨벌루션 신경망이 새로운 영상 모음에 대해 분류를 수행하도록 미세 조정하는 방법을 보여줍니다. - 사전 훈련된 심층 신경망
분류, 전이 학습 및 특징 추출을 위해 사전 훈련된 컨벌루션 신경망을 다운로드하고 사용하는 방법을 알아봅니다.
새로운 심층 신경망 만들기
- 간단한 분류용 딥러닝 신경망 만들기
이 예제에서는 딥러닝 분류용으로 간단한 컨벌루션 신경망을 만들고 훈련시키는 방법을 보여줍니다. - 심층 신경망 디자이너를 사용하여 신경망 구축하기
심층 신경망 디자이너에서 딥러닝 신경망을 대화형 방식으로 구축하고 편집합니다. - 회귀를 위해 컨벌루션 신경망 훈련시키기
이 예제에서는 컨벌루션 신경망을 사용하여 손으로 쓴 숫자의 회전 각도를 예측하는 회귀 모델을 피팅하는 방법을 보여줍니다. - 딥러닝 계층 목록
MATLAB®에서 제공하는 딥러닝 계층에 대해 알아봅니다. - 컨벌루션 신경망의 계층 지정하기
컨벌루션 신경망(ConvNet)에는 어떤 계층이 있는지 그리고 이들 계층이 ConvNet에서 어떤 순서로 나타나는지 알아봅니다. - Generate MATLAB Code from Deep Network Designer
Generate MATLAB code to recreate designing and training a network in Deep Network Designer. - 영상 분류를 위해 잔차 신경망 훈련시키기
이 예제에서는 잔차 연결을 사용하여 딥러닝 신경망을 만들고 CIFAR-10 데이터에 대해 훈련시키는 방법을 보여줍니다. - Train Network with Numeric Features
This example shows how to create and train a simple neural network for deep learning feature data classification. - Multiple-Input and Multiple-Output Networks
Learn how to define and train deep learning networks with multiple inputs or multiple outputs. - 생성적 적대 신경망(GAN) 훈련시키기
이 예제에서는 생성적 적대 신경망을 훈련시켜서 영상을 생성하는 방법을 보여줍니다. - Train Conditional Generative Adversarial Network (CGAN)
This example shows how to train a conditional generative adversarial network to generate images. - Train Fast Style Transfer Network
This example shows how to train a network to transfer the style of an image to a second image. - Image Captioning Using Attention
This example shows how to train a deep learning model for image captioning using attention. - Train Network Using Custom Training Loop
This example shows how to train a network that classifies handwritten digits with a custom learning rate schedule. - Train Network with Multiple Outputs
This example shows how to train a deep learning network with multiple outputs that predict both labels and angles of rotations of handwritten digits. - Train a Siamese Network to Compare Images
This example shows how to train a Siamese network to identify similar images of handwritten characters. - Import Custom Layer into Deep Network Designer
This example shows how to import a custom classification output layer with the sum of squares error (SSE) loss and add it to a pretrained network in Deep Network Designer. - Image-to-Image Regression in Deep Network Designer
This example shows how to use Deep Network Designer to construct and train an image-to-image regression network for super resolution.
개념
- MATLAB의 딥러닝
사전 훈련된 신경망 및 전이 학습, 그리고 GPU, CPU, 클러스터 및 클라우드에서의 훈련 등 분류 및 회귀에 컨벌루션 신경망을 사용하여 MATLAB의 딥러닝 기능을 알아봅니다.
- 파라미터를 설정하고 컨벌루션 신경망 훈련시키기
컨벌루션 신경망의 훈련 파라미터를 설정하는 방법을 알아봅니다.
- 딥러닝을 위해 영상 전처리하기
훈련, 예측 및 분류를 위해 영상의 크기를 조정하는 방법과 데이터 증대, 변환 및 특화된 데이터저장소를 사용하여 영상을 전처리하는 방법을 알아봅니다.
- Preprocess Volumes for Deep Learning
Read and preprocess volumetric image and label data for 3-D deep learning.
- Datastores for Deep Learning
Learn how to use datastores in deep learning applications.
- 분류 신경망을 회귀 신경망으로 변환하기
이 예제에서는 훈련된 분류 신경망을 회귀 신경망으로 변환하는 방법을 보여줍니다.
- 딥러닝 팁과 요령
딥러닝 신경망의 정확도를 높이는 방법을 알아봅니다.
- Data Sets for Deep Learning
Discover data sets for various deep learning tasks.
- Import Data into Deep Network Designer
Import and visualize data in Deep Network Designer.