神经网络设计工作流
神经网络设计过程的工作流程有七个主要步骤。参考主题讨论步骤2、3和5背后的基本思想。
收集数据
创建网络-创建神经网络对象
配置网络-配置浅神经网络输入和输出
初始化权重和偏差
〇网络培训神经网络训练概念
验证网络
利用网络
第1步中的数据收集通常发生在深度学习工具箱™软件的框架之外,但在多层浅层神经网络与反向传播训练.其他步骤的细节以及步骤4、6和7的讨论将在特定于网络类型的主题中讨论。
深度学习工具箱软件使用网络对象来存储定义神经网络的所有信息。本主题描述了神经网络的基本组件,并展示了如何在网络对象中创建和存储它们。
在创建神经网络之后,需要对其进行配置和训练。配置包括安排网络,使其与您想要解决的问题兼容(由示例数据定义)。网络配置完成后,需要调优可调的网络参数(称为权重和偏差),以优化网络性能。这个调优过程被称为训练网络。配置和培训要求网络提供示例数据。本主题介绍如何格式化数据以向网络显示。还介绍了网络配置和网络训练的两种形式:增量训练和批量训练。