1. 程式人生 > >MATLAB2017深度學習工具箱總結

MATLAB2017深度學習工具箱總結

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

Ø 使用深度神經網路進行分類迴歸

 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1  Matlab 2017支援的層與網路(在matlab命令列中輸入doc+類名可檢視使用方法)

型別

類名(構造方法)

含義

inputLayer

影象輸入層

convolutional2dLayer

2D卷基層

reluLayer

ReLU

crossChannelNormalizationLayer

歸一化層(batch normalization

AveragePooling2DLayer

平均Pooling

MaxPooling2DLayer

Max Pooling

FullyConnectedLayer

全連線層

DropoutLayer

Dropout層(防止過擬合)

SoftmaxLayer

Softmax

ClassificationOutputLayer

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