尝试不同的预训练网络。有关普查的深度学习网络列表，请参阅预训练深度神经网络．

要了解如何使用Deep network Designer以交互方式为转移学习准备网络，请参阅用深网络设计师转移学习．

有关如何对微小图像进行分类的示例，请参见用于图像分类的训练残差网络．

有关展示如何对频谱图进行分类的示例，请参阅基于深度学习的语音指令识别．

要指定验证数据，请使用“验证数据”选择权培训选项．

通过使用例如，通过使用例如，为新图层指定更高的学习率因子WeightLearnRateFactor财产卷积层．

使用'italllearnrate'选择培训选项．

在迁移学习时，您不需要为这么多的时期进行训练。使用“MaxEpochs”选择权培训选项．

要了解如何使用Deep network Designer以交互方式为转移学习准备网络，请参阅用深网络设计师转移学习．

要在每个历元（一次完整的数据传递）洗牌数据，请设置'洗牌'选择权培训选项来“每个时代”．

要指定不同的优化器，请使用solverName论点培训选项．

使用'italllearnrate'选择培训选项．

如果降低学习率没有帮助，那么尝试使用梯度剪辑。要设置渐变阈值，使用'gradientthreshold'选择权培训选项．

如果损失强韧处于意外高的价值，则会降低高原的学习率。要更改学习率计划，请使用“LearnRateSchedule”选择权培训选项．

如果降低学习速率没有帮助，那么模型可能是不合适的。尝试增加参数或层的数量。您可以通过监视验证损失来检查模型是否拟合不足。

要防止安装过度，请尝试以下一种或多种方法：

使用'italllearnrate'选择培训选项．

对于图像数据，请尝试在网络中包括批量归一化层。有关更多信息，请参见batchNormalizationLayer．

尝试使用缩小批量尺寸'minibatchsize'选择培训选项．

如果减小最小批量不起作用，则尝试使用较小的网络，减少层数，或减少层中参数或过滤器的数量。

检查自定义层的有效性，并发现潜在的问题使用核对层．

如果在使用时测试失败核对层，然后该功能提供测试诊断和框架诊断。测试诊断突出显示任何层问题，而框架诊断提供更详细的信息。要了解有关测试诊断的更多信息并获得可能解决方案的建议，请参阅金宝搏官方网站诊断．

尝试使用缩小批量尺寸'minibatchsize'选择培训选项．

如果缩小迷你批量尺寸不起作用，则在Windows中^®，尝试调整超时检测和恢复（TDR）设置。例如，更改TdrDelay从2秒（默认）到4秒（需要注册表编辑）。

CPU更适合使用具有短序列的小批量来训练LSTM网络“ExecutionEnvironment”选择权培训选项来“cpu”．