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
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 | ||
層 | inputLayer | 影象輸入層 | ||
convolutional2dLayer | 2D卷基層 | |||
reluLayer | ReLU層 | |||
crossChannelNormalizationLayer | 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 | |||
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 | |||