时间戳

首页 > 解决方案 > 如何开始使用 MATLAB 构建神经深度网络

matlab - 如何开始使用 MATLAB 构建神经深度网络

问题描述

我是学生，还是 python 的新手，我需要在我们的领域使用深度神经网络，这与深度学习没有直接关系，但我们可以使用深度学习来优化此类错误。

我上次尝试用python工作，但我发现我需要很长时间才能从头开始学习python。我们几乎所有事情都使用 Matlab，我掌握得很好。我决定回到 matlab 在那里使用深度学习。我的问题，有没有人有任何视频或教程可以让我学习 Matlab 中的深度学习？

先感谢您。

标签： matlabmachine-learningneural-networkdeep-learning

解决方案

外行术语中的深度学习是一个神经网络，在许多（深层）层中有许多神经元。Deep Learning Toolbox 提供简单的 MATLAB 命令，用于创建和互连深度神经网络的各层。示例和预训练网络使使用 MATLAB 进行深度学习变得容易，即使没有高级计算机视觉算法或神经网络的知识。

在 10 行 MATLAB 代码中尝试深度学习 此示例展示了如何使用深度学习来识别实时网络摄像头上的对象，只需 10 行 MATLAB 代码。

  1. 如果需要，运行这些命令以获取下载、连接到网络摄像头并获得预训练的神经网络。

camera = webcam;  % Connect to the camera
net = alexnet;           % Load the neural network

如果您需要安装网络摄像头和 alexnet 加载项，每个功能都会显示一条消息，其中包含一个链接，可帮助您使用加载项资源管理器下载免费加载​​项。或者，请参阅适用于 AlexNet 网络的深度学习工具箱模型和适用于 USB 网络摄像头的 MATLAB 支持包。安装适用于 AlexNet 网络的深度学习工具箱模型后，您可以使用它对图像进行分类。AlexNet 是一个预训练的卷积神经网络 (CNN)，已在超过一百万张图像上进行了训练，可以将图像分类为 1000 个对象类别（例如，键盘、鼠标、咖啡杯、铅笔和许多动物）。

  1. 运行以下代码以显示和分类实时图像。将网络摄像头指向一个对象，神经网络会报告它认为网络摄像头正在显示的对象类别。它将继续对图像进行分类，直到您按 Ctrl+C。该代码使用 imresize 为网络调整图像大小。

while true
 im = snapshot(camera);       % Take a picture
 image(im);                   % Show the picture
 im = imresize(im,[227 227]); % Resize the picture for alexnet
 label = classify(net,im);    % Classify the picture
 title(char(label));          % Show the class label
 drawnow
end

我认为以下内容是您正在寻找的很好的参考，

  1. MATLAB 中的深度学习
  2. 使用深度学习进行时间序列预测
  3. 使用深度学习进行序列分类

推荐阅读