الوصف
هذا الفيديو التدريبي هو الجزء الرابع من الدورة الكاملة للتعلم العميق في MATLAB.
هذا القسم مخصص لتنفيذ وبرمجة نماذج التعلم العميق في MATLAB.
في عام 2020 ، أعادت MATLAB تسمية مجموعة أدوات الشبكة العصبية الخاصة بها إلى Deep Learning. يوضح هذا التغيير الدافع الكبير لشركة MATLAB لتوفير مجموعة أدوات قوية لمستخدميها.
يوفر لك التعلم العميق في MATLAB أداة ملائمة لتصميم وتنفيذ الشبكات العصبية العميقة باستخدام خوارزميات ونماذج مدربة مسبقًا. يمكنك استخدام الشبكات العصبية التلافيفية (ConvNet ، CNN) والذاكرة طويلة المدى (LSTM) لتصنيف الصور والانحدار والسلاسل الزمنية والبيانات النصية.
يمكنك إنشاء هياكل شبكة مثل شبكات الخصومة التوليدية (GANs) وشبكات سيامي باستخدام التمايز التلقائي وحلقات التدريب المخصصة والأوزان المنقسمة.
باستخدام أداة Deep Network Designer ، يمكنك تصميم الشبكات العصبية العميقة وتحليلها وتدريبها تلقائيًا بدون تشفير.
باستخدام أداة Experiment Manager ، يمكنك إدارة العديد من تجارب التعلم المتعمقة ، وتتبع معلمات التدريب في كل تجربة ، وتحليل النتائج ، ومقارنة أكواد الإنتاج ، وتحديد أفضل نموذج. تمنح هذه الأداة المستخدمين قدرة كبيرة على أداء مهمة التحكم في الإصدار. في مهمة التعلم العميق الحقيقية ، فإن العثور على المعلمات الصحيحة لنموذج ما يستغرق وقتًا طويلاً للغاية ومن الضروري حفظ المعلمات في كل مرة يتم فيها تنفيذ الكود للعثور أخيرًا على أفضل معلمة من خلال مقارنة العروض المختلفة. يمكنك القيام بذلك بسهولة بمساعدة أدوات إدارة الخبرة.
باستخدام أداة التعلم العميق ، يمكنك عرض نموذج التعلم العميق ورؤية الطبقات المختلفة ووظائف التحويل لكل طبقة. لذلك يمكنك بسهولة رؤية هيكل النموذج الخاص بك والحصول على فهم جيد لنموذج التعلم العميق.
باستخدام MATLAB Deep Learning Toolbox ، يمكنك إنشاء اتصالات مع أدوات برمجة التعلم العميق الأخرى مثل TensorFlow ™ و PyTorch. يستخدم مبرمجو Python الآن TensorFlow ™ و PyTorch ، لذا يمكنك استيراد النماذج المضمنة في هذه المكتبات إلى MATLAB واستخدامها كنموذج MATLAB. تنسيق الاتصال هو ONNX ، والذي يمكنه استيراد نماذج من TensorFlow-Keras و Caffe إلى MATLAB.
يدعم صندوق الأدوات هذا Transfer Learning مع DarkNet-53 و ResNet-50 و NASNet و SqueezeNet ونماذج أخرى مدربة مسبقًا. كما هو مذكور في الفيديو التعليمي Deep Learning Tutorial ، تمنعك هذه الميزة من اختراع العجلة من نقطة الصفر وإنشاء نماذج متقدمة بسهولة وتحقيق كفاءات عالية جدًا.
باستخدام التعلم المتعمق في MATLAB ، يمكنك تبسيط عملية تدريب النموذج الخاص بك على وحدة معالجة رسومات واحدة أو عدة وحدات معالجة رسومات. تتم هذه الميزة بمساعدة صندوق أدوات المعالجة المتوازية MATLAB. يمكنك أيضًا استخدام السحابة ، بما في ذلك NVIDIA®GPU Cloud و Amazon EC2®GPU. تتم هذه الميزة باستخدام مربع أدوات MATLAB Parallel Server.
العناوين الرئيسية:
شبكات مدربة مسبقًا
أداة مستكشف الوظائف الإضافية
قم بتثبيت شبكة التعلم العميق في MATLAB
اتصل بـ AlexNet في MATLAB
مقارنة بين شبكات التعلم العميق المدربة مسبقًا من حيث السرعة والحجم والدقة الحسابية
نقاط مهمة في اختيار نموذج التعلم العميق
ابدأ البرمجة برمز بسيط
معلمة الطبقات
اطبع هيكل الشبكة
احسب الحجم المناسب للصورة المدخلة
تغيير حجم الصورة المدخلة
أسماء طبقات الشبكة المختلفة
معلمات كل طبقة شبكة
استخراج معلمات الطبقة الأولى
استخرج معلمات الطبقات التالية
FilterSize و NumChannels و Stride
معلمات قابلة للتعلم
معلمات طبقة التجميع
فئة maxPooling2dLayer
طبقة FullyConnectedLayer
العمق والحجم وعدد المعلمات وحجم الصورة من Squeezenet و googlenet و inceptionv3 و densenet201 و mobilenetv2 و resnet18 و resnet50 و resnet101 و xception و inceptionresnetv2 و shufflenet و nasnetmobile و nasnetlarge و darknet19 و darknet53 و alexnet و vgg16
ثبِّت googlenet
تحقق من نسخة MATLAB
تحقق من طبقات googlenet
أسماء فئات إخراج الشبكة
تقديم نماذج Caffe
تقديم مصمم شبكة التطبيقات
اعمل مع التعلم العميق في MATLAB دون أي برمجة
الصفحة الرئيسية لأداة تصميم الشبكة
خيارات المصمم
التعريف بمكتبة الطبقات
ترتيب تلقائي
مقدمة تحليل
البحث عن أخطاء التصميم والتحذيرات
تصدير مقدمة
ألوان كل طبقة
تحميل البيانات
بيانات التحقق من الصحة وبيانات التدريب
خيارات التعزيز
تغيير بيانات التدريب
تحديد النسبة المئوية لبيانات التحقق من الصحة
مثال على التعلم الانتقالي
اضبط الطبقة المتصلة بالكامل
اضبط طبقة الإخراج
تقرير من فحص الشبكة
خيارات تعديل التدريب
حدد وظيفة التدريب أو حلالا
إدخال أجزاء مختلفة من نافذة التدريب
الدقة ، وظيفة الخسارة
الرسوم البيانية من التدريب
أسباب التوقف عن التدريب
دورة تدريبية
مورد الأجهزة
خيار التصدير
مثال
احصل على مخرجات من الشبكة المدربة
ماذا يمكنك أن تفعل بأداة بناء شبكة التعلم العميق في MATLAB؟
ما هو مقدار البيانات المطلوبة في التعلم الانتقالي؟
فوائد نقل التعلم
مثال على نقل التعلم
خيار NumFilters
التحقق من صحة التردد
MaxEpochs
الحجم
إنشاء رمز مع المعلمات الأساسية
أمر التنبؤ
هيكل شبكات التعلم العميق
ما هي المعلمة التي تعتمد على نوع وعدد الطبقات؟
الاختلافات بين طبقات التصنيف والانحدار
طبقة سوفت ماكس
شبكة صغيرة أو كبيرة
مفهوم التسلسل
تحديد طبقات الشبكة في التعليمات البرمجية
طبقة ImageInputLayer
بناء شبكات معقدة
مفهوم الرسم البياني غير الدوري الموجه (DAG)
أمر LayerGraph
أمر AddLayers
أمر ConnectLayers
مثال البرمجة MATLAB
عرض هيكل الشبكة مع قطعة أرض
خيارات التدريب في البرمجة
أنواع Solver في تدريب sgdm و adam و rmsprop
أمر TrainNetwork
تنفيذ تدريب شبكة التعلم العميق
خيار دورة التدريب
أوقف عملية التدريب
مفهوم العصر
النقطة الأخيرة
استخراج الوزن والتحيز من الشبكة المدربة
تطبيق بيانات الاختبار
مثال على التصنيف مع شبكة CNN
كيفية إدخال البيانات في MATLAB؟
كيف نحدد هيكل الشبكة؟
كيف تدرب الشبكة؟
كيف يتم تطبيق بيانات الاختبار على الشبكة؟
تقديم imageDataStore
فوائد imds
كيفية التعرف على جميع الصور في مجلد دون قراءة جميع الصور في MATLAB؟
أمر Fullfile
مثال من imageDataStore
استخراج صورة من imds
عدد الأوامر
أمر Readimage
قسّم البيانات إلى قسمين: التدريب والاختبار باستخدام أوامر MATLAB
الارتباك مصفوفة
كشف أخطاء الشبكة
القنوات في طبقات الشبكة
تدريب طبقة الالتواء
مفهوم المرشح في طبقة الالتفاف و filterSize
خطوة في طبقة الالتواء
مفهوم الاختزال
عدد س
و الأوزان في مرشح
التواء نوع متوسع
تمدد عامل
خريطة ميزة المفهوم
صيغة عدد معاملات طبقة الالتواء
حشوة صفرية
صيغة عدد الخلايا العصبية
صيغة حجم الإخراج
طبقة التسوية الدفعية
مزايا التطبيع في التعلم العميق
الوضع الأمثل لطبقة التسوية
نظرية طبقة ReLU
طبقات التنشيط النشطة
طبقة متسربة ReLU
طبقة مقطوعة ReLU
طبقة التسوية على طول القناة
تجميع التدريب كحد أقصى
متوسط تجميع التدريب
مثال على التجميع
مهمة التجميع
طبقة التسرب
طبقة متصلة بالكامل
أسباب استخدام Softmax في فئة الإخراج
الإلمام بطبقات التعلم العميق المتوفرة في MATLAB 2020
طبقات الإدخال
إدخال التسلسل
مفهوم العائد على الاستثمار
طبقة التفاف ثنائية الأبعاد
طبقة قناة ثلاثية الأبعاد
طبقة الالتواء مجمعة
طبقة قناة منقول
طبقة متصلة بالكامل
تسلسل الطبقة
طبقة LSTM وطبقة LSTM ثنائية الاتجاه وطبقة GRU
مفهوم التسطيح في التعلم العميق
طبقة التجميع العالمية
طبقة تفريغ ثنائية الأبعاد
طبقات مجمعة
طبقة المجمع
طبقة التسلسل
طبقة جامع الوزن
طبقات تحديد الكائن
طبقة GAN
طبقة تصنيف البكسل
مثال عملي على تحديد كائن أمام كاميرا ويب متصلة بجهاز كمبيوتر
تعرف على النظارات الشمسية والأقلام والماوس من خلال التعلم المتعمق
مثال عملي على نقل التعلم
تغيير فئات مخرجات الشبكة العميقة
حدد اسمًا لكل طبقة
أمر ImageDataAugmenter
الأمر augmentedImageDataStore
مثال على التعرف على الوجوه
مثال على تشخيص مرض الكورونا
أدوات إدارة الخبرة
مدير التجربة
مقارنة بين نماذج التعلم العميق
التحكم في الإصدار في MATLAB
تحسين معايير نموذج التعلم العميق
قم بإنشاء تجربة
قسم متصفح التجربة
حدد معامل المتغير
حدد تجربة
جدول Hyperparameter
وظيفة الإعداد
اختبر العديد من شبكات التعلم العميق معًا
فرز نتائج إدارة الخبرة
المراجعات
لا توجد مراجعات بعد.