利用MATLAB2017進行深度學習
Matlab一直以來都有著神經網路工具箱,而從2016的版本開始,提供深度神經網路的相關工具。而到現如今2017的版本,功能更加完善,因此本人在此總結Matlab 2017所包含的深度學習的功能。
如今版本的Matlab已經包含的如下功能:
Ø 獲取已經訓練好的神經網路
Ø 提供了方便的視窗式的神經網路工具箱
當前版本GPU計算效能高於2.0的都使用GPU加速
Ø 提供了經典的神經網路應用例子與教程(附程式碼)
Ø 提供了官方的Caffe介面
Ø 提供了一系列預處理工具
表
型別
類名(構造方法)
含義
層
inputLayer
影象輸入層
convolutional2dLayer
2D卷基層
reluLayer
ReLU層
crossChannelNormalizatio
歸一化層(batch normalization)
AveragePooling2DLayer
平均Pooling層
MaxPooling2DLayer
Max Pooling層
FullyConnectedLayer
全連線層
DropoutLayer
Dropout層(防止過擬合)
SoftmaxLayer
Softmax層
ClassificationOutputLaye
分類輸出層(預設損失函式為交叉熵)
RegressionOutputLayer
迴歸輸出層(預設損失函式為MSE)
Autoencoder
自編碼層
時序網路
timedelaynet
時間延遲神經網路
layrecnet
迴圈神經網路
narnet
非線性自迴歸神經網路
narxnet
具有外部輸入的非線性自迴歸神經網路
distdelaynet
分散式延遲網路
迴歸網路
(MSE)
cascadeforwardnet
級聯神經網路
feedforwardnet
前饋神經網路
fitnet
函式擬合神經網路
識別分類網路
lvqnet
學習向量量化神經網路
patternnet
模式識別網路
神經網路聚類
selforgmap
自組織網路
competlayer
競爭層