日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問(wèn) 生活随笔!

生活随笔

當(dāng)前位置: 首頁(yè) > 人工智能 > pytorch >内容正文

pytorch

MATLAB2017深度学习工具箱总结

發(fā)布時(shí)間:2025/3/17 pytorch 22 豆豆
生活随笔 收集整理的這篇文章主要介紹了 MATLAB2017深度学习工具箱总结 小編覺(jué)得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.

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

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。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò),歡迎將生活随笔推薦給好友。