Importar y construir redes neuronales profundas

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 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 observaciones o de una GPU potente. Deep Learning Toolbox™ ofrece varias redes preentrenadas adecuadas para la transferencia del aprendizaje. También puede importar desde plataformas externas como TensorFlow™ 2, TensorFlow-Keras, PyTorch^®, el formato de modelos ONNX™ (Open Neural Network Exchange) y Caffe.

Si el aprendizaje por transferencia no es adecuado para su tarea, puede construir redes desde cero utilizando código de MATLAB^® o de forma interactiva utilizando la app Deep Network Designer. Si las capas integradas no proporcionan la capa que necesita para la tarea, puede definir su propia capa de deep learning personalizada para su problema. Puede definir capas personalizadas con parámetros que se puedan aprender y de estado. Después de definir una capa personalizada, puede comprobar que es válida y compatible con la GPU, y que devuelve como salida gradientes correctamente definidos. Para los modelos que no se pueden especificar como redes de capas, puede definir el modelo como una función.