이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.

Deep Learning Toolbox

심층 학습 네트워크 생성, 분석 및 훈련

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) 네트워크를 사용하여 이미지, 시계열 및 텍스트 데이터에 대해 분류와 회귀를 수행할 수 있습니다. 앱과 플롯은 활성화를 시각화하고, 네트워크 아키텍처를 편집하며, 훈련 진행 상황을 모니터링하는 데 도움을 줍니다.

소규모 훈련 세트의 경우, 사전 훈련된 심층 네트워크 모델(SqueezeNet, Inception-v3, ResNet-101, GoogLeNet 및 VGG-19 포함)과 TensorFlow® -Keras 및 Caffe에서 가져온 모델을 사용하여 전이 학습을 수행할 수 있습니다.

대규모 데이터셋에 대한 훈련 속도를 높이려면 데스크탑의 멀티코어 프로세서와 GPU에 계산 및 데이터를 분산하거나(Parallel Computing Toolbox™ 사용), Amazon EC2® P2, P3 및 G3 GPU 인스턴스를 포함한 클러스터와 클라우드로 확장할 수 있습니다(MATLAB® Distributed Computing Server™ 사용).

Deep Learning Toolbox 시작하기

Deep Learning Toolbox의 기본 사항 배우기

이미지에서의 심층 학습

컨벌루션 신경망을 처음부터 훈련시키거나 사전 훈련된 네트워크를 사용하여 새로운 작업을 빠르게 학습합니다.

시계열, 시퀀스 및 텍스트에서의 심층 학습

시계열 분류, 회귀 및 예측 작업을 위해 네트워크를 만들고 훈련시킵니다.

심층 학습 조정 및 시각화

훈련 진행 상황 플로팅, 정확도 평가, 예측, 훈련 옵션 조정 및 네트워크가 학습한 특징 시각화

병렬 방식 및 클라우드에서의 심층 학습

로컬에서 여러 GPU를 사용하거나 클라우드를 사용하여 심층 학습을 확장하고, 여러 네트워크를 대화형 방식이나 일괄 처리 작업으로 훈련시킵니다.

심층 학습 응용 사례

컴퓨터 비전, 영상 처리, 자율 주행 및 신호에서 심층 학습 워크플로 확장

심층 학습 가져오기, 내보내기 및 사용자 지정

네트워크 가져오기와 내보내기 및 사용자 지정 심층 학습 계층과 데이터저장소 정의

심층 학습 코드 생성

CUDA® 및 C++ 코드 생성과 심층 학습 네트워크 배포

함수 근사 및 군집화

얕은 신경망을 사용하여 회귀, 분류 및 군집화 수행

시계열과 제어 시스템

얕은 네트워크를 사용하여 비선형 동적 시스템을 모델링하고, 순차 데이터를 사용하여 예측합니다.