小白教程:在matlab中打开deep Learningtoolbox里的example示例文档并编译

用matlab进行神经网络训练:matlab中的deep Learningtoolbox

matlab其实提供了很多文档示例,matlab2019和2020更是更新了很多deeplearningtoolbox里的例程,直接运行例程可以很好入门。

在这里插入图片描述
图像深度学习
在这里插入图片描述
matlabdeep Learning例程连接:
example链接
附加功能管理器

在上面的网址搜到自己想要的例程之后,打开matlab,在附加功能管理器里搜索想要的项目关键字。

matlab附加功能管理器
搜索到想要的项目之后,如何下载:
点击Open LIve Script,会提示你如何通过matlab命令函打开可以直接编译的示例文档
在这里插入图片描述
在这里插入图片描述
写的很清楚,把该命令复制到命令行里就好了:
在这里插入图片描述
在这里插入图片描述
至此,可在线编译的以.mlx结尾的文档就被打开到当前文件夹了,该例程下载在你安装matlab路径下的deep Learning_shared文件夹中
在这里插入图片描述

.mlx文件的运行方式和jupyter-notebook类似,分快将结果显示在块代码下面,不是命令行里

在这里插入图片描述

Deep Learning Toolbox™提供了一个框架,用于设计和实现具有算法,预训练模型和应用程序的深度神经网络。您可以使用卷积神经网络(ConvNets,CNN)和长期短期记忆(LSTM)网络对图像,时间序列和文本数据进行分类和回归。应用程序和图表可帮助您可视化激活,编辑网络体系结构以及监控培训进度。 对于小型训练集,您可以使用预训练的深层网络模型(包括SqueezeNet,Inception-v3,ResNet-101,GoogLeNet和VGG-19)以及从TensorFlow™-Keras和Caffe导入的模型执行传输学习。 了解深度学习工具箱的基础知识 深度学习图像 从头开始训练卷积神经网络或使用预训练网络快速学习新任务 使用时间序列,序列和文本进行深度学习 为时间序列分类,回归和预测任务创建和训练网络 深度学习调整和可视化 绘制培训进度,评估准确性,进行预测,调整培训选项以及可视化网络学习的功能 行和云中的深度学习 通过本地或云中的多个GPU扩展深度学习以交互方式或批量作业培训多个网络 深度学习应用 通过计算机视觉,图像处理,自动驾驶,信号和音频扩展深度学习工作流程 深度学习导入,导出和自定义 导入和导出网络,定义自定义深度学习图层以及自定义数据存储 深度学习代码生成 生成MATLAB代码或CUDA ®和C ++代码和部署深学习网络 函数逼近和聚类 使用浅层神经网络执行回归,分类和聚类 时间序列和控制系统 基于浅网络的模型非线性动态系统; 使用顺序数据进行预测。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值