它允许用户在GUI中对预先训练好的神经网络、导入的ONNX分类模型或导入的MAT文件分类模型进行迁移学习，无需编码。除了使用现有的模型，用户还可以使用Deep network Designer (MATLAB内置应用程序)设计自己的神经网络，然后使用该应用程序来训练神经网络。用户可以在这个应用程序中分析预训练的网络或导入的网络。它还允许用户修改图像增强器信息和训练选项(超参数)。一旦完成网络的训练，用户可以将训练好的网络导出到工作空间、MAT文件、ONNX文件中，并为应用程序中正在进行的步骤生成MATLAB代码。用户可以生成NVIDIA GPU CUDA代码，但不支持导入ONNX模型。
预训练神经网络可用:
1) alexnet
2) googlenet (ImageNet)
3) goolgenet (Places365)
4) resnet18
5) resnet50
6) resnet101
7) vgg16
8) vgg19
9) inceptionv3
10) inceptionresnetv2
11) squeezenet
12) densenet201
13) mobilenetv2
14) shufflenet
16) xception
17) nasnetmobile
18) nasnetlarge
19)导入ONNX模型
20)导入mat文件模型
[直到R2019a，导入的ONNX层不支持CUDA代码的生成]
如何使用这个应用程序设计和训练神经网络?
https://www.youtube.com/watch?v=-GeZa6IL2QA
如何导入ONNX模型训练使用这个应用程序?
https://www.youtube.com/watch?v=8pZiduqp35g
引用作为
Kevin Chng(2023)。转移学习(//www.ru-cchi.com/matlabcentral/fileexchange/70293-transfer-learning)， MATLAB中央文件交换。检索．
MATLAB版本兼容性
平台的兼容性
窗户 macOS Linux标签
| 版本 | 发表 | 发布说明 | |
|---|---|---|---|
| 2019.6.2 | 调试 |
||
| 2019.6.1 | 调试MATLAB代码生成 |
||
| 2019.5.1 | 除了使用子文件夹的名称作为标签源之外，现在您可以导入MATLAB工作区变量(向量)作为图像的标签源。对于未来的开发，这个应用程序正在寻求扩展其回归深度学习的能力。 |
||
| 5.3 | 更新描述 |
||
| 5.2 | 修复错误 |
||
| 5.1 | 改变的描述 |
||
| 5．0 | 允许用户导入从MATLAB深度网络设计器设计的定制模型 |
||
| 4.4 | 改变的描述 |
||
| 4.３ | *添加视频演示如何导入ONNX模型为这个应用程序。 |
||
| 4.2 | 缺失的图片 |
||
| 4．1 | *更改描述 |
||
| 4.0 | 新特性:允许导入ONNX分类模型进行迁移学习，但导入的ONNX模型在本应用中不支持生成GPU CUDA代码。 |
||
| 3.4 | 添加更多预训练的神经网络:xception,shufflent,nasnetmobile,nasnetlarge |
||
| 3．3 | 小更新(启动新会话时删除旧结果) |
||
| 3.2 | 新特性:允许改变新的最后一个可学习层的学习率 |
||
| 3．1 | 修复错误 |
||
| 3．0 | 添加新功能: |
||
| 2．0 | 改变GUI |
||
| 1.06 | 改变标题 |
||
| 1.05 | 增加文档链接 |
||
| 1.04 | 更新 |
||
| 1.03 | *添加文档来解释应用程序 |
||
| 1.02 | 改变的描述 |
||
| 1．1 | *更改描述 |
||
| 1．0 |
您也可以从以下列表中选择一个网站: