پیاده سازی شبکه های عصبی عمیق در متلب: آشنایی با تولباکس یادگیری عمیق

پیاده سازی شبکه های عصبی عمیق در متلب: آشنایی با تولباکس یادگیری عمیق

تولباکس یادگیری عمیق(آشنایی با چگونگی ساختن، پردازش و آموزش شبکه های یادگیری عمیق

تولباکس یادگیری عمیق، چهارچوب یکپارچه ای را برای طراحی و بهینه سازی شبکه های عصبی عمیق با الگوریتمها، مدل های پیش آموزش یافته و اپلیکیشنها  تهیه کرده است. شما می توانید از شبکه های عصبی کانولوشن( ConvNets و CNNs) و شبکه های LSTM برای آماده سازی و بهبود بخشی فرایند کلاسه بندی و رگریسون اطلاعات تصویری، سری های زمانی، و نوشتاری استفاده نمایید. برنامه های کاربردی و نمودارها در مصور سازی فعالیت ها، اصلاح کردن ساختارهای شبکه و فرآیند نمایش آموزش به شما کمک می کنند.

برای مجموعه های آموزشی کوچک، شما می توانیدفرایند آموزش را با مدل های پیش آموزش یافته(شامل SqueezeNet, Inception-v3, ResNet-101, GoogLeNetو  VGG-19) و مدل های ورودی گیرنده از TensorFlow-Keras و  Caffe انجام دهید.

برای سرعت بخشی آموزش در پایگاه داده های بزرگ، می توانید پردازنده های چند هسته ای و جی پی یو ها را استفاده کنید.

  1. شبکه ها و ساختارها

۱-۱٫ شبکه های عصبی کانولوشن

در رابطه با این مورد در درسنامه های قبلی مطالبی بیان شده است. برای مطالعه ی بیشتر به درسنامه های قبلی مراجعه نمایید

 

۱-۲٫ شبکه هایLSTM

از این شبکه می توان برای داده های زنجیره ای صوتی، سیگنالها، نوشتارها و سایر داده های وابسته به زمان استفاده کرد.

 

در درسنامه های بعدی به تفصیل به بررسی این تولباکس بسیار کاربردی خواهیم پرداخت.

بدون دیدگاه

ارسال یک نظر

نظر
نام
ایمیل
وبسایت