Deep learning con imágenes

Use la transferencia del aprendizaje para sacar partido de los conocimientos proporcionados por una red preentrenada para aprender nuevos patrones en datos nuevos. Ajustar una red de clasificación de imágenes preentrenada con transferencia del aprendizaje suele ser más rápido y fácil que entrenarla desde cero. Usar redes profundas preentrenadas permite crear rápidamente modelos para nuevas tareas sin tener que definir y entrenar una nueva red ni disponer de millones de imágenes o de una GPU potente. También puede crear nuevas redes profundas para tareas de clasificación y regresión de imágenes definiendo la arquitectura de la red y entrenando la red desde cero.

Puede entrenar la red utilizando la función trainNetwork y trainingOptions, o puede especificar un bucle de entrenamiento personalizado utilizando objetos dlnetwork o funciones dlarray.

Puede entrenar una red neuronal convolucional en una CPU, una GPU, varias CPU o GPU, o en paralelo en un cluster o en la nube. Para entrenar una red en una GPU o en paralelo, es necesario utilizar Parallel Computing Toolbox™. Para usar una GPU, es necesario contar con un dispositivo con GPU compatible (para obtener información sobre los dispositivos compatibles, consulte GPU Computing Requirements (Parallel Computing Toolbox)). Especifique el entorno de ejecución con la función trainingOptions.