MATLAB2017深度学习工具箱总结
Matlab一直以來(lái)都有著神經(jīng)網(wǎng)絡(luò)工具箱,而從2016的版本開(kāi)始,提供深度神經(jīng)網(wǎng)絡(luò)的相關(guān)工具。而到現(xiàn)如今2017的版本,功能更加完善,因此本人在此總結(jié)Matlab 2017所包含的深度學(xué)習(xí)的功能。
如今版本的Matlab已經(jīng)包含的如下功能:
???利用自己的數(shù)據(jù)微調(diào)訓(xùn)練好的網(wǎng)絡(luò)(遷移學(xué)習(xí))
???獲取已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)
??????????????包含Alexnet、VGG16、VGG19
???提供了方便的窗口式的神經(jīng)網(wǎng)絡(luò)工具箱
??????????????Neural Newwork Time Series Tool神經(jīng)網(wǎng)絡(luò)時(shí)間序列工具,可訓(xùn)練RNN
????????Neural Pattern Recognition app?神經(jīng)網(wǎng)絡(luò)特征識(shí)別工具
????????Neural Fitting app?神經(jīng)網(wǎng)絡(luò)擬合工具
????????Nerual Clustering app?神經(jīng)網(wǎng)絡(luò)聚類(lèi)工具
???使用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行分類(lèi)或回歸
???使用超過(guò)內(nèi)存大小的數(shù)據(jù)集來(lái)訓(xùn)練網(wǎng)絡(luò)
???訓(xùn)練用于目標(biāo)檢測(cè)的神經(jīng)網(wǎng)絡(luò)
???特征網(wǎng)絡(luò)可視化
???在個(gè)人電腦或者云端使用CPU、GPU、多個(gè)GPU加速訓(xùn)練
??????????????當(dāng)前版本GPU計(jì)算性能高于2.0的都使用GPU加速
???提供了經(jīng)典的神經(jīng)網(wǎng)絡(luò)應(yīng)用例子與教程(附代碼)
??????????????例如,MNIST手寫(xiě)體識(shí)別,Deep Dream、Fast-RCNN物體檢測(cè)等
???提供了官方的Caffe接口
??????????????載入Caffe模型、層等
???提供了一系列預(yù)處理工具
??????????????自動(dòng)修改訓(xùn)練集圖片文件名等
???提供了神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)工具箱
?
表1 ?Matlab 2017支持的層與網(wǎng)絡(luò)(在matlab命令行中輸入doc+類(lèi)名可查看使用方法)
類(lèi)型 | 類(lèi)名(構(gòu)造方法) | 含義 | ||
層 | inputLayer | 圖像輸入層 | ||
convolutional2dLayer | 2D卷基層 | |||
reluLayer | ReLU層 | |||
crossChannelNormalizationLayer | 歸一化層(batch normalization) | |||
AveragePooling2DLayer | 平均Pooling層 | |||
MaxPooling2DLayer | Max Pooling層 | |||
FullyConnectedLayer | 全連接層 | |||
DropoutLayer | Dropout層(防止過(guò)擬合) | |||
SoftmaxLayer | Softmax層 | |||
ClassificationOutputLayer | 分類(lèi)輸出層(默認(rèn)損失函數(shù)為交叉熵) | |||
RegressionOutputLayer | 回歸輸出層(默認(rèn)損失函數(shù)為MSE) | |||
Autoencoder | 自編碼層 | |||
時(shí)序網(wǎng)絡(luò) | timedelaynet | 時(shí)間延遲神經(jīng)網(wǎng)絡(luò) | ||
layrecnet | 循環(huán)神經(jīng)網(wǎng)絡(luò) | |||
narnet | 非線性自回歸神經(jīng)網(wǎng)絡(luò) | |||
narxnet | 具有外部輸入的非線性自回歸神經(jīng)網(wǎng)絡(luò) | |||
distdelaynet | 分布式延遲網(wǎng)絡(luò) | |||
回歸網(wǎng)絡(luò) (MSE) | cascadeforwardnet | 級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò) | ||
feedforwardnet | 前饋神經(jīng)網(wǎng)絡(luò) | |||
fitnet | 函數(shù)擬合神經(jīng)網(wǎng)絡(luò) | |||
識(shí)別分類(lèi)網(wǎng)絡(luò) | lvqnet | 學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò) | ||
patternnet | 模式識(shí)別網(wǎng)絡(luò) | |||
神經(jīng)網(wǎng)絡(luò)聚類(lèi) | selforgmap | 自組織網(wǎng)絡(luò) | ||
competlayer | 競(jìng)爭(zhēng)層 | |||
總結(jié)
以上是生活随笔為你收集整理的MATLAB2017深度学习工具箱总结的全部?jī)?nèi)容,希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇: 再问数据中台 - 数据中台的典型架构是怎
- 下一篇: 嵌入式Linux中I2C设备驱动程序的研