深入Altium Designer仿真技术

什么是深度学习？

深度学习是机器学习的一个分支，它训练计算机像人类一样自然地做事情，即：从经验中学习。机器学习算法使用计算方法直接从数据“学习”信息，而不依赖预先确定的方程作为模型。

深度学习尤其适用于图像识别，这对于解决人脸识别、运动检测和许多高级驾驶员辅助技术(如自动驾驶、车道检测、行人检测和自动泊车)等问题非常重要。

Deep Learning Toolbox™ 提供简单的 MATLAB® 命令来创建和互连深度神经网络的各个层。示例和预训练网络使得使用 MATLAB 进行深度学习变得很容易，即使没有高级计算机视觉算法或神经网络方面的知识也不会感觉困难。

有关实际深度学习方法的免费实践课程，请参阅深度学习入门之旅。

您想要执行什么操作？

了解更多信息要了解有关深度学习应用领域(包括自动驾驶)的更多信息，请参阅深度学习应用。

要选择是使用预训练网络还是创建新的深度网络，请参考下表中的情形。

使用预训练网络进行迁移学习创建新的深度网络训练数据数百到数千张已标注图像(小)数千到数百万张已标注图像计算量中等计算量(可选择使用 GPU)计算量大(需要使用 GPU 来提高速度)训练时间数秒到数分钟解决真实问题需要几天到几周的时间模型准确度好，取决于预训练模型高，但对于较小的数据集，可能会出现过拟合的情况深度学习使用神经网络直接从数据中学习有用的特征表示。

神经网络结合了多个非线性处理层，它使用并行运行的简单元素并受到生物神经系统的启发。深度学习模型在对象分类方面可以达到非常高的准确度，有时甚至超过人类的水平。

您在训练模型时会使用大量标注数据和神经网络架构，这些架构包含许多层，通常包括一些卷积层。训练这些模型需要进行大量计算，通常可以使用高性能 GPU 来加快训练速度。

下图显示卷积神经网络如何将自动从许多图像中学习特征的各层组合起来，以对新图像进行分类。

许多深度学习应用程序都会使用图像文件，有时甚至会用到数百万个图像文件。

为了高效地访问大量图像文件进行深度学习，MATLAB 提供了 imageDatastore 函数。

使用此函数可以：自动读取成批图像，以便在机器学习和计算机视觉应用程序中加快处理速度从图像集合中导入太大而无法放入内存的数据根据文件夹名称自动标注图像数据

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删