심층 신경망 가져오기 및 구축하기
전이 학습을 사용하여 사전 훈련된 신경망이 제공하는 지식을 활용해 새 데이터의 새 패턴을 학습합니다. 전이 학습을 통해 사전 훈련된 신경망을 미세 조정하는 편이 일반적으로 처음부터 훈련시키는 것보다 훨씬 더 빠르고 쉽습니다. 사전 훈련된 심층 신경망을 사용하면 새로운 신경망을 정의하고 훈련시키지 않고도, 수백만 개의 관측값을 갖고 있지 않아도, 강력한 GPU 없이도 새 작업을 위한 모델을 빠르게 만들 수 있습니다. Deep Learning Toolbox™는 전이 학습에 적합한 여러 사전 훈련된 신경망을 제공합니다. TensorFlow™ 2, TensorFlow-Keras, PyTorch®, ONNX™(Open Neural Network Exchange) 모델 형식, Caffe와 같은 외부 플랫폼에서 신경망을 가져올 수도 있습니다.
전이 학습이 작업에 적합하지 않은 경우, MATLAB® 코드를 사용하거나 심층 신경망 디자이너 앱을 대화형 방식으로 사용하여 신경망을 처음부터 구축할 수 있습니다. 내장 계층이 사용자가 하려는 작업에 필요한 계층을 제공하지 않는 경우 자신만의 고유한 사용자 지정 딥러닝 계층을 정의할 수 있습니다. 학습 가능한 파라미터와 상태 파라미터를 포함하는 사용자 지정 계층을 정의할 수 있습니다. 사용자 지정 계층을 정의한 후에는 이 계층이 유효하고, GPU와 호환되며, 올바르게 정의된 기울기를 출력하는지 확인할 수 있습니다. 계층 신경망으로 지정할 수 없는 모델의 경우 모델을 함수로 정의할 수 있습니다.
카테고리
- 사전 훈련된 내장 신경망
사전 훈련된 내장 신경망을 불러와 전이 학습 수행
- 외부 플랫폼의 사전 훈련된 신경망
외부 딥러닝 플랫폼에서 사전 훈련된 신경망 가져오기
- 심층 신경망 디자이너 앱
딥러닝 신경망을 대화형 방식으로 생성 및 편집
- 내장 계층
내장 계층을 사용하여 심층 신경망 구축
- 사용자 지정 계층
딥러닝을 위한 사용자 지정 계층 정의
- 연산
사용자 지정 딥러닝 함수 개발
추천 예제
GoogLeNet을 사용하여 영상 분류하기
이 예제에서는 사전 훈련된 심층 컨벌루션 신경망 GoogLeNet을 사용하여 영상을 분류하는 방법을 보여줍니다.
심층 신경망 디자이너를 사용하는 전이 학습을 위해 신경망 준비하기
사전 훈련된 딥러닝 신경망이 새로운 영상 분류 작업을 학습하도록 대화형 방식으로 미세 조정합니다.
딥러닝을 사용하여 웹캠 영상 분류하기
이 예제에서는 사전 훈련된 심층 컨벌루션 신경망 GoogLeNet을 사용하여 웹캠의 영상을 실시간으로 분류하는 방법을 보여줍니다.
GoogLeNet을 사용하여 Simulink에서 영상 분류하기
이 예제에서는 Image Classifier 블록을 사용하여 Simulink®에서 영상을 분류하는 방법을 보여줍니다. 예제에서는 사전 훈련된 심층 컨벌루션 신경망 GoogLeNet을 사용하여 분류를 수행합니다.
Inference Comparison Between TensorFlow and Imported Networks for Image Classification
Perform prediction in TensorFlow with a pretrained network, import the network into MATLAB using importTensorFlowNetwork, and then compare
inference results between TensorFlow and MATLAB networks.
Classify Images in Simulink with Imported TensorFlow Network
Import a pretrained TensorFlow network using importTensorFlowNetwork, and then use the
Predict block for image classification in Simulink®.
딥러닝을 사용한 시퀀스 분류
이 예제에서는 장단기 기억(LSTM) 신경망을 사용하여 시퀀스 데이터를 분류하는 방법을 보여줍니다.
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.
심층 신경망 디자이너 시작하기
이 예제에서는 심층 신경망 디자이너를 사용하여 딥러닝 시퀀스 분류용으로 간단한 순환 신경망을 만드는 방법을 보여줍니다.
Multilabel Image Classification Using Deep Learning
Use transfer learning to train a deep learning model for multilabel image classification.
Train a Twin Network for Dimensionality Reduction
Train a twin neural network with shared weights to compare handwritten digits using dimensionality reduction.
Train a Twin Neural Network to Compare Images
Train a twin neural network with shared weights to identify similar images of handwritten characters.
Image Captioning Using Attention
Train a deep learning model for image captioning using attention.
Sequence-to-Sequence Translation Using Attention
Convert decimal strings to Roman numerals using a recurrent sequence-to-sequence encoder-decoder model with attention.
물리정보 신경망을 사용하여 PDE 해 구하기
이 예제에서는 편미분 방정식(PDE)의 해를 예측하는 물리정보 신경망(PINN)을 훈련시키는 방법을 보여줍니다.
Interpretable Time Series Forecasting Using a Temporal Fusion Transformer
Forecast electricity usage using an interpretable temporal fusion transformer (TFT).
