导入深度神经网络

加载内置的预训练网络并从外部平台导入网络

使用迁移学习以利用预训练网络所提供的知识来学习新数据中的新模式。通常来说，使用迁移学习对预训练网络进行微调比从头开始训练更快更容易。使用预训练的深度网络，您可以针对新任务快速创建模型，而无需定义和训练新网络，也不需要使用数百万个观测值或强大的 GPU。Deep Learning Toolbox™ 提供若干个适用于迁移学习的预训练网络。您还可以从外部平台导入网络，如 TensorFlow™ 2、TensorFlow-Keras、PyTorch^®、ONNX™（开放式神经网络交换）模型格式和 Caffe。

迁移学习工作流

Flow chart showing how to reuse a pretrained network. Load a pretrained network, replace final layers, train the network, predict and assess network accuracy, deploy results.

预训练的深度神经网络

类别

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
来自外部平台的预训练网络
从外部深度学习平台导入预训练网络

精选示例

使用深度网络设计器进行迁移学习

以交互方式微调预训练的深度学习网络以学习新的图像分类任务。

打开实时脚本

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。

打开脚本

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.

打开脚本

Inference Comparison Between TensorFlow and Imported Networks for Image Classification

Perform prediction in TensorFlow with a pretrained network, import the network into MATLAB^® using importTensorFlowNetwork, and then compare inference results between TensorFlow and MATLAB networks.

打开实时脚本