如果培训选项
函数不提供任务所需的训练选项,或自定义输出层不支持所需的损失函数,则可以定义自定义训练循环。金宝app对于无法使用层图创建的网络,可以将自定义网络定义为函数。想要了解更多,请看定义自定义训练回路、损耗函数和网络。
学习如何在MATLAB中训练深度学习模型®。
学习如何使用自动区分定义和定制深度学习训练循环、损失函数和网络。
这个例子展示了如何训练一个使用自定义学习速率计划对手写数字进行分类的网络。
了解如何在自定义训练循环中指定常见训练选项。
了解如何为自定义训练循环定义模型渐变函数。
此示例显示如何在自定义训练循环中更新网络状态。
这个例子展示了如何使用dlnetwork
对象,将数据分割为小批。
这个例子展示了如何训练一个网络,使用图像和特征输入数据来分类手写数字。
这个例子展示了如何用多个输出来训练一个深度学习网络,预测手写数字的标签和旋转角度。
这个例子展示了如何结合预先训练的图像分类模型和序列分类网络来创建一个视频分类网络。
本例展示了如何使用快速梯度符号法(FGSM)对抗性训练来训练对对抗性示例具有鲁棒性的神经网络。
这个例子展示了如何训练增强型神经常微分方程(ODE)网络。
这个例子展示了如何使用雅可比正则化方案[1]来训练神经网络,使其对对抗的例子具有鲁棒性。
这个例子展示了如何使用神经网络求解常微分方程。
这个例子展示了如何组装多个输出网络进行预测。
通过在GPU上运行,在多个GPU上并行运行,或在集群上运行,加速自定义训练循环。
这个例子展示了如何使用函数而不是层图或层次图来创建和训练一个深度学习网络dlnetwork
。
这个例子展示了如何在一个定义为函数的网络中更新网络状态。
这个例子展示了如何使用模型函数进行预测,方法是将数据分割成小批。
学习如何使用模型函数初始化自定义训练循环的可学习参数。
查看支持的函数列表金宝appdlarray
对象。
了解自动差异化是如何运作的。
如何在深度学习中使用自动区分。
通过缓存和重用跟踪,加速自定义训练循环的模型函数和模型渐变函数。
这个例子展示了如何加速深度学习自定义训练循环和预测函数。
此示例显示如何检查加速函数的输出是否与基础函数的输出匹配。
此示例显示了如何评估使用加速函数的性能增益。