Настройка глубокого обучения

Программно настройте опции обучения, возобновите обучение с контрольной точки и исследуйте соперничающие примеры

Изучить, как установить опции с помощью trainingOptions функционируйте, смотрите Настроенные Параметры и Обучите Сверточную нейронную сеть. После того, как вы идентифицируете некоторые хорошие стартовые опции, можно автоматизировать развертку гиперпараметров или попробовать Байесовую оптимизацию с помощью Experiment Manager.

Исследуйте сетевую робастность путем генерации соперничающих примеров. Можно затем использовать быстрый метод знака градиента (FGSM) соперничающее обучение обучить сеть, устойчивую к соперничающим возмущениям.

Приложения

Deep Network DesignerСпроектируйте, визуализируйте и обучите нейронные сети для глубокого обучения

Функции

trainingOptionsОпции для обучения глубокой нейронной сети
trainNetworkОбучите глубокую нейронную сеть

Темы

Настройте параметры и обучите сверточную нейронную сеть

Узнать, как настраивать учебные параметры для сверточной нейронной сети.

Глубокое обучение Используя байесовую оптимизацию

В этом примере показано, как применить Байесовую оптимизацию к глубокому обучению и найти оптимальные сетевые гиперпараметры и опции обучения для сверточных нейронных сетей.

Обучите нейронные сети для глубокого обучения параллельно

В этом примере показано, как запустить несколько экспериментов глубокого обучения на вашей локальной машине.

Обучите сеть Используя пользовательский учебный цикл

В этом примере показано, как обучить сеть, которая классифицирует рукописные цифры с пользовательским расписанием скорости обучения.

Сравните слои активации

В этом примере показано, как сравнить точность обучения нейронные сети с ReLU, текучим ReLU, ЭЛУ и слоями активаций свиста.

Адаптируйте код, сгенерированный в Deep Network Designer для использования в Experiment Manager

Используйте Experiment Manager, чтобы настроить гиперпараметры сети, обученной в Deep Network Designer.

Советы глубокого обучения и приемы

Узнать, как улучшить точность нейронных сетей для глубокого обучения.

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.

Сопутствующая информация

Рекомендуемые примеры

Для просмотра документации необходимо авторизоваться на сайте