matlab怎么调用DeepLearn,DeepLearnToolbox

.travis.yml

CAE/

CAE/caeapplygrads.m

CAE/caebbp.m

CAE/caebp.m

CAE/caedown.m

CAE/caeexamples.m

CAE/caenumgradcheck.m

CAE/caesdlm.m

CAE/caetrain.m

CAE/caeup.m

CAE/max3d.m

CAE/scaesetup.m

CAE/scaetrain.m

CNN/

cnn.mat

CNN/cnnapplygrads.m

CNN/cnnbp.m

CNN/cnnff.m

CNN/cnnnumgradcheck.m

CNN/cnnsetup.m

CNN/cnntest.m

CNN/cnntrain.m

CONTRIBUTING.md

create_readme.sh

data/

data/mnist_uint8.mat

DBN/

DBN/dbnsetup.m

DBN/dbntrain.m

DBN/dbnunfoldtonn.m

DBN/rbmdown.m

DBN/rbmtrain.m

DBN/rbmup.m

LICENSE

NN/

NN/nnapplygrads.m

NN/nnbp.m

NN/nnchecknumgrad.m

NN/nneval.m

NN/nnff.m

NN/nnpredict.m

NN/nnsetup.m

NN/nntest.m

NN/nntrain.m

NN/nnupdatefigures.m

README.md

README_header.md

REFS.md

SAE/

SAE/saesetup.m

SAE/saetrain.m

tests/

tests/runalltests.m

tests/test_cnn_gradients_are_numerically_correct.m

tests/test_example_CNN.m

tests/test_example_DBN.m

tests/test_example_NN.m

tests/test_example_SAE.m

tests/test_nn_gradients_are_numerically_correct.m

test_example_CNN.m

util/

util/allcomb.m

util/expand.m

util/flicker.m

util/flipall.m

util/fliplrf.m

util/flipudf.m

util/im2patches.m

util/isOctave.m

util/makeLMfilters.m

util/myOctaveVersion.m

util/normalize.m

util/patches2im.m

util/randcorr.m

util/randp.m

util/rnd.m

util/sigm.m

util/sigmrnd.m

util/softmax.m

util/tanh_opt.m

util/visualize.m

util/whiten.m

util/zscore.m

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 并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,并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
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