内置的预训练网络

加载内置的预训练网络并执行迁移学习

Deep Learning Toolbox™ 提供几种适合迁移学习的预训练网络。迁移学习指采用预训练的深度学习网络并对其进行微调以学习新任务的过程。使用迁移学习通常比从头开始训练网络更快、更简单。您可以使用更少的数据量将学习到的特征快速迁移到新任务中。要探索可用的预训练网络，请使用深度网络设计器。有关详细信息，请参阅预训练的深度神经网络。

App

深度网络设计器

设计和可视化深度学习网络

函数

imagePretrainedNetwork Pretrained neural network for images (自 R2024a 起)

主题

使用深度学习对网络摄像头图像进行分类
此示例说明如何使用预训练的深度卷积神经网络 GoogLeNet 实时对来自网络摄像头的图像进行分类。
Retrain Neural Network to Classify New Images
This example shows how to retrain a pretrained SqueezeNet neural network to perform classification on a new collection of images.
训练深度学习网络以对新图像进行分类
此示例说明如何使用迁移学习来重新训练卷积神经网络以对新图像集进行分类。
预训练的深度神经网络
了解如何下载和使用预训练的卷积神经网络进行分类、迁移学习和特征提取。
在 MATLAB 中进行深度学习
通过使用卷积神经网络进行分类和回归来探索 MATLAB^® 的深度学习能力，包括预训练网络和迁移学习，以及在 GPU、CPU、集群和云上进行训练。
Deep Learning Tips and Tricks
Learn how to improve the accuracy of deep learning networks.

精选示例

使用 GoogLeNet 对图像进行分类

此示例说明如何使用预训练的深度卷积神经网络 GoogLeNet 对图像进行分类。

打开实时脚本

此示例说明如何从预训练的卷积神经网络中提取已学习的图像特征，并使用这些特征来训练图像分类器。特征提取是使用预训练深度网络的表征能力的最简单最快捷的方式。例如，您可以使用 fitcecoc(Statistics and Machine Learning Toolbox™) 基于提取的特征来训练支持向量机 (SVM)。由于特征提取只需要遍历一次数据，因此如果没有 GPU 来加速网络训练，则不妨从特征提取开始。

打开实时脚本

Classify Images in Simulink Using GoogLeNet

Classify an image in Simulink® using the Image Classifier block. The example uses the pretrained deep convolutional neural network GoogLeNet to perform the classification.