Main Content

이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

Deep Learning Toolbox 시작하기

딥러닝 신경망의 설계, 훈련 및 분석

Deep Learning Toolbox™는 알고리즘, 사전 훈련된 모델 및 앱을 사용하여 심층 신경망을 설계하고 구현할 수 있는 프레임워크를 제공합니다. 컨벌루션 신경망(ConvNet, CNN)과 장단기 기억(LSTM) 신경망을 사용하여 영상, 시계열 및 텍스트 데이터에 대해 분류와 회귀를 수행할 수 있습니다. 자동 미분, 사용자 지정 훈련 루프 및 공유 가중치를 사용하여 생성적 적대 신경망(GAN: Generative Adversarial Network)이나 샴 신경망(Siamese network) 같은 신경망 아키텍처를 구축할 수 있습니다. 심층 신경망 디자이너 앱을 사용하여 그래픽 방식으로 신경망을 설계, 분석 및 훈련시킬 수 있습니다. 실험 관리자 앱을 사용하여 여러 딥러닝 실험을 관리하고, 훈련 파라미터를 추적하고, 결과를 분석하고, 서로 다른 실험의 코드를 비교할 수 있습니다. 계층 활성화를 시각화하고 훈련 진행 상황을 그래픽 방식으로 모니터링할 수 있습니다.

ONNX™ 형식을 사용하여 TensorFlow™ 및 PyTorch 간 모델을 전환하고 TensorFlow-Keras 및 Caffe에서 모델을 가져올 수 있습니다. 이 툴박스는 DarkNet-53, ResNet-50, NASNet, SqueezeNet을 비롯한 여러 사전 훈련된 모델을 통한 전이 학습을 지원합니다.

Parallel Computing Toolbox™를 사용하여 단일 또는 다중 GPU 워크스테이션에서 훈련 속도를 높일 수 있으며, MATLAB® Parallel Server™를 사용하여 NVIDIA® GPU Cloud, Amazon EC2® GPU 인스턴스 같은 클러스터와 클라우드로 확장할 수 있습니다.

튜토리얼

얕은 신경망

추천 예제

대화형 학습

Deep Learning Onramp
실용적인 딥러닝 방법에 대한 대화식 소개를 제공하는 무료 딥러닝 튜토리얼입니다(2시간). MATLAB에서 영상 인식을 위해 딥러닝 기법을 사용하는 방법을 배우게 됩니다.

비디오

전이 학습을 위해 대화형 방식으로 딥러닝 신경망 수정하기
심층 신경망 디자이너는 심층 신경망을 만들거나 수정할 수 있는 포인트-앤-클릭 툴입니다. 이 비디오는 전이 학습 워크플로에서 이 앱을 사용하는 방법을 보여줍니다. 가져온 신경망의 마지막 몇 개의 계층을 명령줄을 사용하지 않고 툴을 사용하여 간편하게 수정하는 방법을 보여줍니다. 신경망 분석기를 사용하여, 수정된 아키텍처의 연결 오류와 속성 할당을 확인할 수 있습니다.

MATLAB을 사용한 딥러닝: MATLAB 코드 11줄로 시작해 보는 딥러닝
MATLAB과 간단한 웹캠 및 심층 신경망을 사용하여 주변의 사물을 식별하는 방법을 알아봅니다.

MATLAB을 사용한 딥러닝: MATLAB 코드 10줄로 시작해 보는 전이 학습
전문가들이 만든 딥러닝 신경망을 사용자의 고유한 데이터나 작업을 위해 MATLAB에서 전이 학습을 사용하여 다시 훈련시키는 방법을 알아봅니다.