深度学习模型 -凯发k8网页登录
利用深度学习研究社区开发的模型架构。常见模型提供稳健的架构,无需从头开始。
利用深度学习研究社区开发的模型架构。常见模型提供稳健的架构,无需从头开始。
与其从头开始创建深度学习模型,不如使用预训练模型。您可以将其直接应用或对其进行修改以适用于您的任务。
浏览 ,按类别访问最新模型并获取关于选择模型的提示。
使用命令行加载大多数模型。例如:
net = darknet19;
通过使用导入函数将 tensorflow™、pytorch® 和 onnx™ 模型转换为 matlab 网络。例如:
net = importtensorflownetwork("efficientnetv2l")
将预训练模型应用于图像分类、计算机视觉、音频处理、激光雷达处理和其他深度学习工作流。
使用目标检测 ()、语义/实例分割 (/) 和视频分类 () 来分析图像和视频。
有许多预训练模型可供选择,每种模型都有各自的优缺点:
一开始可以选择一个速度更快的模型,例如 或 。然后快速迭代,尝试不同的预处理和训练选项。
在了解哪些设置效果较好后,可以尝试更准确的模型,如 或 ,看看这是否会改进您的结果。
当需要部署到 raspberry pi® 或 fpga 等边缘设备时,请选择低内存占用的模型,如 或 。