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。

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。

相关的话题

• 神经网络设计的四个层次
• 神经元模型
• 神经网络架构
• 理解浅层网络数据结构