Если trainingOptions функция не обеспечивает опции обучения, в которых вы нуждаетесь для своей задачи, или пользовательские выходные слои не поддерживают функции потерь, в которых вы нуждаетесь, затем можно задать пользовательский учебный цикл. Для сетей, которые не могут быть созданы с помощью графиков слоев, можно задать пользовательские сети как функцию. Чтобы узнать больше, смотрите, Задают Пользовательские Учебные Циклы, Функции потерь и Сети.
Обучите модель глубокого обучения в MATLAB
Узнать, как к учебным моделям глубокого обучения в MATLAB®.
Задайте пользовательские учебные циклы, функции потерь и сети
Узнать, как задать и настроить циклы обучения глубокому обучению, функции потерь и сети с помощью автоматического дифференцирования.
Обучите сеть Используя пользовательский учебный цикл
В этом примере показано, как обучить сеть, которая классифицирует рукописные цифры с пользовательским расписанием скорости обучения.
Задайте опции обучения в пользовательском учебном цикле
Узнать, как задавать общие опции обучения в пользовательском учебном цикле.
Функция градиентов модели Define для пользовательского учебного цикла
Узнать, как, чтобы задать градиенты модели функционируют для пользовательского учебного цикла.
Обновите статистику нормализации партии. в пользовательском учебном цикле
В этом примере показано, как обновить сетевое состояние в пользовательском учебном цикле.
Сделайте Предсказания Используя Объект dlnetwork
В этом примере показано, как сделать предсказания с помощью dlnetwork объект путем разделения данных в мини-пакеты.
Обучите сеть на изображении и покажите данные
В этом примере показано, как обучить сеть, которая классифицирует рукописные цифры с помощью и изображения и входных данных функции.
Обучите сеть с несколькими Выходными параметрами
В этом примере показано, как обучить нейронную сеть для глубокого обучения с несколькими выходными параметрами, которые предсказывают и метки и углы вращений рукописных цифр.
Классифицируйте видео Используя глубокое обучение для пользовательского учебного цикла
В этом примере показано, как создать сеть для видео классификации путем объединения предварительно обученной модели классификации изображений и сети классификации последовательностей.
Обучите сеть классификации изображений, устойчивую к соперничающим примерам
В этом примере показано, как обучить нейронную сеть, которая устойчива к соперничающим примерам с помощью быстрого метода знака градиента (FGSM) соперничающее обучение.
Обучите устойчивую нейронную сеть для глубокого обучения с якобиевской регуляризацией
В этом примере показано, как обучить нейронную сеть, которая устойчива к соперничающим примерам с помощью якобиевской схемы [1] регуляризации.
Обучите сеть Используя функцию модели
В этом примере показано, как создать и обучить нейронную сеть для глубокого обучения при помощи функций, а не графика слоев или dlnetwork.
Обновите статистику нормализации партии. Используя функцию модели
В этом примере показано, как обновить сетевое состояние в сети, заданной как функция.
Сделайте предсказания Используя функцию модели
В этом примере показано, как сделать предсказания с помощью функции модели путем разделения данных в мини-пакеты.
Инициализируйте настраиваемые параметры для функции модели
Узнать, как инициализировать настраиваемые параметры для пользовательских учебных циклов с помощью функции модели.
Список Функций с Поддержкой dlarray
Просмотрите список функций та поддержка dlarray объекты.
Автоматический фон дифференцирования
Узнать, как автоматическое дифференцирование работает.
Используйте автоматическое дифференцирование в Deep Learning Toolbox
Как использовать автоматическое дифференцирование в глубоком обучении.
Ускорение функции глубокого обучения для пользовательских учебных циклов
Ускорьте функции модели и функции градиентов модели для пользовательских учебных циклов путем кэширования и многократного использования трассировок.
Ускорьте пользовательские учебные функции цикла
В этом примере показано, как ускорить глубокое обучение пользовательский учебный цикл и функции предсказания.
Проверяйте ускоренную функцию глубокого обучения Выходные параметры
В этом примере показано, как проверять, что выходные параметры ускоренных функций совпадают с выходными параметрами базовой функции.
Оцените эффективность ускоренной функции глубокого обучения
В этом примере показано, как оценить увеличение производительности использования ускоренной функции.
