深度学习

图像识别编码

学习如何加载和预处理数据，导入网络，迁移学习，并使用图像测试网络进行深度学习。

跟着走：

  1. 下载代码
  2. 打开MATLAB

没有权限?现在就可以免费试用了．

完成时间:
15 - 30分钟
先决条件:
基本的MATLAB技能

需要复习吗?尝试免费的交互式教程。

步骤1

加载和预处理数据

使用图像导入、管理和存储用于深度学习项目的数据。

你学到了什么:导入和准备培训数据

  • 加载数据作为映像数据存储
  • 的imageDatastore函数根据文件夹名称自动标记图像
  • 预处理数据是深度学习工作流中常见的第一步，以网络可以接受的格式准备原始数据

步骤2

进口网络

确保导入的网络和图像数据大小合适，以生成高度精确的模型。

你学到了什么:在重新训练之前使用网络进行模型预测

  • 从TensorFlow- keras、TensorFlow 2、Caffe和ONNX (Open Neural network Exchange)模型格式中导入网络和网络架构
  • 将训练好的深度学习工具箱网络导出为ONNX模型格式

步骤3

转移学习

修改现有网络以处理数据，这样就可以自定义深度学习来执行特定的任务。

你学到了什么:为新任务准备模型

  • 将预训练网络的学习特征转移到新问题上
  • 迁移学习比训练一个新的网络更快更容易
  • 减少训练时间和数据集大小
  • 执行深度学习，而不需要学习如何创建一个全新的网络

步骤4

测试网络

验证模型如何处理新数据，而不仅仅是在训练中学习到的数据。

你学到了什么:测试验证集中的所有图像，并评估网络训练的效果

  • 对验证数据进行分类，计算分类精度
  • 尝试使用预训练的网络来完成其他任务
  • 通过迁移学习或特征提取解决图像数据上的新分类问题
Baidu
map