深度学习工具箱
深度学习工具箱™比例un marco para diseñar e implementar redes neuronales profundas con algorithm, modelos preentrenados y apps。(CNN, ConvNet)和LSTM (LSTM)的记忆,对分类和回归数据的实现,imágenes,一系列的时间和文本。我们有红色的建筑,我们有自己的家园antagónicas (GAN)我们有自己的家园diferenciación automática,我们有自己的家园。Con la app Deep Network Designer, puede diseñar,分析entrenar redes de forma gráfica。La app实验经理管理各种深度学习的实验,实现un seguimiento de los parámetros de entrenamiento,分析los resultados y compare el código de不同的实验。我们的行动,我们的行动,我们的监督,我们的形式gráfica我们的进步,我们的进步。
Puede intercambiar modelos con TensorFlow™y PyTorch中间体格式ONNX™e重要模型desde TensorFlow- keras y Caffee。这是一种兼容的转移媒介DarkNet-53, ResNet-50, NASNet, SqueezeNet y muchos otros莫德罗preentrenados.
Puede加速el entrenamiento en una estación de trabajo de una sola GPU o varias (usando并行计算工具箱™),o escalar a clusters y nubes,包括即时的computación en la nube con GPU de NVIDIA®e instanccias de GPU de Amazon EC2®(反对MATLAB®并行服务器™).
Introducción一个深度学习工具箱
Aprender los aspectos básicos de深度学习工具箱
深度学习con imágenes
Entrene红色神经元convolucionales desde大马鲛o utilice红色preentrenadas对位aprender rapidamente nueva他利亚
深度学习与时间和数据安全的关系
clasificación, regresión, predicción,时间的系列
调整visualización德深度学习
在互动的形式中,管理实验,代表了记忆的进步,evalúe la precisión,解释预测,一个关于记忆的想法和视觉的,características关于红色的
深度学习就像助手一样
规模性深度学习与各种各样的形式,局部的,基本的,整体的,各种各样的形式,互动的,各种各样的,基本的
深度学习
Amplíe flujos de trabajo de深度学习con visión artificial, procesamiento de imágenes, conducción autónoma, procesamiento de señales, procesamiento de audio, análisis de texto y finanzas computacionales
Importación, exportación y personalización de深度学习
import, export y personalice redes de deep learning, además de capas, bucles de entrenamiento y funciones de pérdida
深度学习的预处理过程
深度学习的预处理管理数据。
Generación德código德深度学习
Genere código C/ c++, CUDA®没有HDL,就没有深度学习
Aproximación, agrupación y控制的funciones
Realice regression ones, agrupaciones, y model sistemas dinámicos没有线中间有浅表神经元