La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Introducción a Deep Learning Toolbox

Diseñar, entrenar y analizar redes de deep learning

Deep Learning Toolbox™ proporciona un marco para diseñar e implementar redes neuronales profundas con algoritmos, modelos preentrenados y apps. Puede usar redes neuronales convolucionales (ConvNet, CNN) y redes de memoria de corto-largo plazo (LSTM) para realizar clasificaciones y regresiones en datos de imágenes, series de tiempo y texto. Puede crear arquitecturas de red, como redes generativas antagónicas (GAN) y redes siamesas usando diferenciación automática, bucles de entrenamiento personalizados y pesos compartidos. Con la app Deep Network Designer, puede diseñar, analizar y entrenar redes de forma gráfica. La app Experiment Manager le permite administrar varios experimentos de deep learning, realizar un seguimiento de los parámetros de entrenamiento, analizar los resultados y comparar el código de diferentes experimentos. Puede visualizar las activaciones de las capas y monitorizar de forma gráfica el progreso del entrenamiento.

Puede importar redes y gráficas de capas de TensorFlow™ 2, TensorFlow-Keras y PyTorch^®, el formato de modelos ONNX™ (Open Neural Network Exchange) y Caffe. También puede exportar redes de Deep Learning Toolbox y gráficas de capa al formato de modelos TensorFlow 2 y ONNX. La toolbox es compatible con la transferencia del aprendizaje mediante DarkNet-53, ResNet-50, NASNet, SqueezeNet y muchos otros modelos preentrenados.

Puede acelerar el trabajo en una estación de una sola GPU o varias (usando Parallel Computing Toolbox™), o escalar a clusters y nubes, incluidas instancias de computación en la nube con GPU de NVIDIA^® e instancias de GPU de Amazon EC2^® (con MATLAB^® Parallel Server™).

Tutoriales

Introducción a Deep Network Designer

Este ejemplo muestra cómo usar Deep Network Designer para adaptar una red GoogLeNet preentrenada para clasificar un nuevo conjunto de imágenes.
Pruebe deep learning en 10 líneas de código de MATLAB

Aprenda a usar deep learning para identificar objetos en una webcam en tiempo real con la red preentrenada AlexNet.
Clasificar una imagen con una red preentrenada

Este ejemplo muestra cómo clasificar una imagen usando una red neuronal convolucional profunda preentrenada, GoogLeNet.
Introducción a la transferencia del aprendizaje

Este ejemplo muestra cómo usar la transferencia del aprendizaje para volver a entrenar SqueezeNet, una red neuronal convolucional preentrenada, para clasificar un nuevo conjunto de imágenes.
Crear una red de clasificación de imágenes sencilla

Este ejemplo muestra cómo crear y entrenar una red neuronal convolucional sencilla para la clasificación mediante deep learning.
Crear una red de clasificación de imágenes sencilla utilizando Deep Network Designer

Este ejemplo muestra cómo crear y entrenar una red neuronal convolucional sencilla para la clasificación mediante deep learning utilizando Deep Network Designer.
Create Simple Sequence Classification Network Using Deep Network Designer

This example shows how to create a simple long short-term memory (LSTM) classification network using Deep Network Designer.

Redes superficiales

Shallow Networks for Pattern Recognition, Clustering and Time Series

Use apps and functions to design shallow neural networks for function fitting, pattern recognition, clustering, and time series analysis.

Ejemplos destacados

Clasificar imágenes de una webcam mediante deep learning

Este ejemplo muestra cómo clasificar imágenes de una webcam en tiempo real usando una red neuronal convolucional profunda preentrenada, GoogLeNet.

Abrir script

Entrenar redes de deep learning para clasificar nuevas imágenes

Este ejemplo muestra cómo usar la transferencia del aprendizaje para volver a entrenar una red neuronal convolucional para clasificar un nuevo conjunto de imágenes.

Abrir script en vivo

Pronóstico de series de tiempo mediante deep learning

Este ejemplo muestra cómo pronosticar datos de series de tiempo mediante una red de memoria de corto-largo plazo (LSTM).

Abrir script en vivo

Aprendizaje interactivo

Deep Learning Onramp
Este tutorial de deep learning, gratuito y de dos horas de duración, ofrece una introducción interactiva sobre los métodos de deep learning con ejercicios prácticos. Aprenderá a utilizar técnicas de deep learning en MATLAB para el reconocimiento de imágenes.

Vídeos

Modificar una red de deep learning de forma interactiva para la transferencia del aprendizaje
Deep Network Designer es una herramienta interactiva para crear o modificar redes neuronales profundas. Este vídeo muestra cómo utilizar la app en un flujo de trabajo de transferencia del aprendizaje. Demuestra lo fácil que resulta usar la herramienta para modificar las últimas capas de la red importada en lugar de modificarlas en la línea de comandos. Puede comprobar la arquitectura modificada para buscar errores en las conexiones y las asignaciones de propiedades con un analizador de red.

Deep learning con MATLAB: Deep learning en 11 líneas de código de MATLAB
Aprenda a usar MATLAB, una webcam sencilla y una red neuronal profunda para identificar objetos de su entorno.

Deep learning con MATLAB: Transferencia del aprendizaje en 10 líneas de código de MATLAB
Aprenda a usar la transferencia del aprendizaje en MATLAB para volver a entrenar redes de deep learning creadas por expertos para sus propios datos o tareas.