1.2 MatConvNet一目了然

MatConvNet具有簡單的設計理念。 它不是將CNN包裹在軟件的復雜層上，而是暴露了直接作為MATLAB命令的計算CNN構造塊的簡單函數，例如線性卷積和ReLU運算符。這些構建塊易于組合成完整的CNN，并且可以用于實現復雜的學習算法。雖然提供了小型和大型CNN架構和培訓例程的幾個現實例子，但是總是可以回到基礎并構建自己的網絡，利用MATLAB在原型中的效率。通常不需要C編碼來嘗試新的體系結構。 因此，MatConvNet是計算機視覺和CNNs研究的理想操練場。?
MatConvNet包含以下元素：?
CNN計算塊?
一組計算CNN的基本構建塊的優化例程。例如，卷積塊由?
y = vl_nnconv(x,f,b)?
實現，其中x是圖像，f是過濾器組，b是偏移矢量（第4.1節）。 導數計算為?
[dzdx,dzdf,dzdb] = vl_nnconv(x,f,b,dzdy)?
其中dzdy是CNN輸出w.r.t y的導數（第4.1節），第四章詳細描述所有塊。

CNN封裝?
MatConvNet提供了一個簡單的包裝器，由vl_simplenn調用，實現具有線性拓撲（一個塊鏈）的CNN。?
它還提供了一個更加靈活的包裝器，支持具有任意拓撲的網絡，封裝在dagnn，DagNN MATLAB類中。

示例應用程序?
MatConvNet提供了幾個在MNIST，CIFAR10和ImageNet數據上學習具有隨機梯度下降和CPU或GPU的CNN的示例。

預訓練模型?
MatConvNet提供了幾種先進的預先訓練的CNN模型，可以用于現成的，用于分類圖像或在Caffe或DeCAF的精神下產生的圖像編碼。

1.3文檔和示例

有關MatConvNet的三個主要信息來源。?
**首先，網站包含所有功能的描述和幾個例子和教程。?
第二，有一個PDF手冊，其中包含大量有關工具箱的技術細節，包括構建塊的詳細數學描述。?
第三，MatConvNet附有幾個例子（第1.1節）。**

大多數示例是完全自包含的。?
例如，為了運行MNIST示例，它將MATLAB指向MatConvNet根目錄，并鍵入addpath <-examples，后跟cnn_mnist。?
由于問題大小，ImageNet ILSVRC示例需要一些更多準備，包括下載和預處理圖像(使用捆綁腳本utils /preprocess

1.5致謝

MatConvNet是一個社區項目，因此感謝所有貢獻者。我們衷心感謝NVIDIA支持這個項目，為我們提供了頂級的GPU和MathWorks，以進行關于如何改進庫的討論。?
在這個庫中的幾個CNN計算的實現是受到Caffe庫的啟發[5]（然而，Caffe不是依賴），幾個示例網絡已經由Karen Simonyan作為[1]和[10]的一部分訓練。

總結

以上是生活随笔為你收集整理的MatConvnet工具箱文档翻译理解（2）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。