Skip to content

index.md

Latest commit

 

History

History
59 lines (39 loc) · 5.7 KB

index.md

File metadata and controls

59 lines (39 loc) · 5.7 KB

Deep Network Designer アプリ

1. Deep Network Designer とは

Deep Network Designer は、深層ニューラル ネットワークを対話的に構築、可視化、および編集するためのアプリです。

主な目的と特徴

  • 直感的な操作: 層のドラッグ & ドロップ操作によってネットワークを構築できます。
  • ネットワークの編集と可視化: ネットワーク アーキテクチャを視覚的に確認し、層のプロパティを編集できます。
  • Simulinkへのエクスポート: 訓練済みのネットワークを Simulink® の層ブロックやサブシステムとしてエクスポートできます。R2025aでは、サポートされているすべての層に対して、デフォルトのエクスポートタイプとして Simulink 層ブロックおよびサブシステムが選択されます。

2. 主要な機能

Deep Network Designer は、深層学習ワークフローの様々な段階で役立つ機能を提供します。

ネットワーク構築と編集

  • 層の追加と接続: [層のライブラリ] から層をドラッグし、層同士を結合することでネットワークを構築できます。
  • 事前学習済みネットワークの読み込み: スタート ページから、GoogLeNet や SqueezeNet など、さまざまな事前学習済みイメージ分類ネットワークを読み込むことができます。また、事前学習済みのオーディオ ネットワーク（YAMNet、VGGishなど）へのアクセスも可能です（Audio Toolbox™が必要）。
  • テンプレートの利用:
    • イメージ分類タスクに適した多層パーセプトロン (MLP) ニューラル ネットワークのテンプレートがスタート ページに用意されています（R2025aで追加）。
    • シーケンス分類タスクに適した1次元畳み込みニューラル ネットワークのテンプレートも用意されています（R2024bで追加）。
  • 複雑な構造の編集: 多入力/多出力および分岐構造を持つネットワークの編集、エクスポート、およびMATLAB®コード生成をサポートします。
  • カスタム層/関数層のサポート: カスタム層クラスファイルをアプリ内で表示および編集できます。また、関数層（functionLayer）の作成と編集も可能です。
  • ネストされたネットワークの表示: NetworkLayer オブジェクトなどのネストされた層の内部を確認できます（R2025aで追加）。

転移学習とネットワーク準備

  • 転移学習の準備: 事前学習済みのネットワークを取得し、新しいタスクの学習開始点として使用する転移学習のために、ネットワークを対話形式で準備できます。
  • 層のロック解除: R2023b以降、層を選択して [プロパティ] ペインで [層のロックを解除] をクリックすることにより、その層の学習可能なパラメーター（重みやバイアスなど）をクリアできます。これは、ネットワークを転移学習用に適応させたり、ゼロから学習させたりする際に役立ちます。

分析と検証

  • ネットワークの解析: [解析] をクリックすると、ネットワーク アーキテクチャの可視化と確認が行われ、層の欠損、層入力のサイズの不一致、無効な構造などのエラーや問題を検出します。
  • 圧縮分析: [Analyze for Compression] を選択すると、テイラー剪定や射影圧縮による最大メモリ削減量、層の剪定および射影のサポート、量子化に関する情報を含むレポートが生成されます（Deep Learning Toolbox™ Model Compression Libraryが必要）。

コード生成とエクスポート

  • MATLAB コード生成: ネットワーク アーキテクチャ、データ インポート、学習オプション、および増強を含む MATLAB コードを生成できます。
  • Simulink へのエクスポート: 訓練済みネットワークを Simulink モデルとしてエクスポートできます。R2025aでは、Simulink層ブロックおよびサブシステムへのエクスポートがデフォルトとなる場合があります。

3. Deep Network Designer がサポートする主なワークフローの例

Deep Network Designer は、以下の深層学習ワークフローの準備や構築に使用できます。

ワークフロー 詳細 参照元
転移学習（Image-to-Label） 事前学習済みネットワークを新しいイメージ分類タスクに合わせて調整。
Image-to-Image 回帰 イメージを入力とし、イメージを出力とするネットワークの構築。
時系列予測 シーケンス データ（例: LSTMネットワーク）の予測ネットワークの構築。
多入力/多出力ネットワーク 複数の入力層や複数の出力層を持つ複雑なネットワークのインポート、編集、エクスポート。
セマンティック セグメンテーション ピクセルレベルの分類を行うためのネットワークの構築（R2020bでサポート）。
オーディオ ネットワーク 事前学習済みのオーディオ ネットワークのインポート、可視化、および転移学習（Audio Toolboxが必要）。

4. Deep Network Designer の利用例

スクラッチからモデルを作成する