加载dlnetworkMAT文件中的对象和类名dlnetDigits.mat．

S =负载(“dlnetDigits.mat”）;Net = s.net;classNames = s.classNames;

加速模型损失函数modelLoss在示例末尾列出。

fun = @modelLoss;Accfun = dlaccelerate(fun);

方法清除先前缓存的加速函数的跟踪clearCache函数。

clearCache (accfun)

查看加速函数的性质。因为缓存是空的，所以入住率属性为0。

accfun

accfun =加速功能与属性:功能:@modelLoss启用:1 CacheSize: 50 HitRate: 0占用:0 CheckMode: 'none' CheckTolerance: 1.0000 -04

返回的AcceleratedFunction对象存储底层函数调用的跟踪，并在再次出现相同的输入模式时重用缓存的结果。要在自定义训练循环中使用加速函数，请将对模型梯度函数的调用替换为对加速函数的调用。可以像调用底层函数一样调用加速函数。注意，加速函数不是一个函数句柄。

计算随机数据下的加速模型梯度函数dlfeval函数。

X =兰特(28,28,1,128，“单身”）;X = dlarray(X，“SSCB”）;T = categorical(classNames(randi(10，[128 1])));T = onehotencode(T,2)';T = dlarray(T，“CB”）;[loss,gradients,state] = dlfeval(accfun,net,X,T);

查看入住率加速函数的性质。因为函数已经求值，所以缓存是非空的。

accfun。入住率

Ans = 2

函数[Y,state] = forward(net,X);损失=交叉熵(Y,T);gradients = dlgradient(loss,net.Learnables);结束

加载dlnetworkMAT文件中的对象和类名dlnetDigits.mat．

S =负载(“dlnetDigits.mat”）;Net = s.net;classNames = s.classNames;

加速模型损失函数modelLoss在示例末尾列出。

fun = @modelLoss;Accfun = dlaccelerate(fun);

方法清除先前缓存的加速函数的跟踪clearCache函数。

clearCache (accfun)

查看加速函数的性质。因为缓存是空的，所以入住率属性为0。

accfun

accfun =加速功能与属性:功能:@modelLoss启用:1 CacheSize: 50 HitRate: 0占用:0 CheckMode: 'none' CheckTolerance: 1.0000 -04

返回的AcceleratedFunction对象存储底层函数调用的跟踪，并在再次出现相同的输入模式时重用缓存的结果。要在自定义训练循环中使用加速函数，请将对模型梯度函数的调用替换为对加速函数的调用。可以像调用底层函数一样调用加速函数。注意，加速函数不是一个函数句柄。

计算随机数据下的加速模型梯度函数dlfeval函数。

X =兰特(28,28,1,128，“单身”）;X = dlarray(X，“SSCB”）;T = categorical(classNames(randi(10，[128 1])));T = onehotencode(T,2)';T = dlarray(T，“CB”）;[loss,gradients,state] = dlfeval(accfun,net,X,T);

查看入住率加速函数的性质。因为函数已经求值，所以缓存是非空的。

accfun。入住率

Ans = 2

方法清除缓存clearCache函数。

clearCache (accfun)

查看入住率加速函数的性质。因为缓存已被清除，所以缓存为空。

accfun。入住率

Ans = 0

函数[Y,state] = forward(net,X);损失=交叉熵(Y,T);gradients = dlgradient(loss,net.Learnables);结束

这个例子展示了如何检查加速函数的输出是否与底层函数的输出匹配。

在某些情况下，加速函数的输出与基础函数的输出不同。例如，当加速使用随机数生成的函数时，您必须小心，例如生成随机噪声以添加到网络输入的函数。当缓存生成非随机数的函数的跟踪时dlarray对象时，加速函数在跟踪中缓存产生的随机数。在重用跟踪时，加速函数使用缓存的随机值。加速函数不会产生新的随机值。

要检查加速函数的输出是否与底层函数的输出匹配，请使用CheckMode加速函数的性质。当CheckMode加速函数的性质是“宽容”如果输出差异超过指定的公差，则加速函数抛出警告。

加速函数myUn金宝appsupportedFun，在示例末尾使用dlaccelerate函数。这个函数myUn金宝appsupportedFun生成随机噪声并将其添加到输入。此函数不支持加速，因为该函数生成的随机数不支持金宝app加速dlarray对象。

accfun = dlaccelerate(@myUn金宝appsupportedFun)

accfun =加速功能与属性:功能:@myUnsupportedFun启用:1 CacheSize: 50 HitRat金宝appe: 0占用:0 CheckMode: 'none' CheckTolerance: 1.0000 -04

方法清除以前缓存的任何跟踪clearCache函数。

clearCache (accfun)

要检查重用的缓存跟踪的输出是否与基础函数的输出匹配，请设置CheckMode财产“宽容”．

accfun。CheckMode =“宽容”

accfun =加速功能与属性:功能:@myUnsupportedFun启用:1 CacheSize: 50 HitRat金宝appe: 0占用:0 CheckMode: 'tolerance' CheckTolerance: 1.0000 -04

计算一个1数组作为输入的加速函数，指定为dlarray输入。

dlX = dlarray(ones(3,3));dlY = accfun(dlX)

dlY = 3×3 dlarray 1.8147 1.9134 1.2785 1.9058 1.6324 1.5469 1.1270 1.0975 1.9575

用相同的输入再次计算加速函数。由于加速函数重用缓存的随机噪声值，而不是生成新的随机值，因此重用跟踪的输出与底层函数的输出不同。当CheckMode加速函数的性质是“宽容”如果输出不同，加速函数会抛出警告。

dlY = accfun(dlX)

警告:加速输出与底层函数输出不同。

dlY = 3×3 dlarray 1.8147 1.9134 1.2785 1.9058 1.6324 1.5469 1.1270 1.0975 1.9575

使用随机数生成“喜欢”选项兰德函数使用dlarray对象支持加速。金宝app若要在加速函数中使用随机数生成，请确保该函数使用兰德函数与“喜欢”选项设置为跟踪dlarray对象(一个dlarray对象，它依赖于输入dlarray对象)。

加速函数my金宝appSupportedFun，在示例的末尾列出。这个函数my金宝appSupportedFun类生成噪声，从而向输入添加噪声“喜欢”带有跟踪的选项dlarray对象。

accfun2 = dlaccelerate(@my金宝appSupportedFun);

方法清除以前缓存的任何跟踪clearCache函数。

clearCache (accfun2)

要检查重用的缓存跟踪的输出是否与基础函数的输出匹配，请设置CheckMode财产“宽容”．

accfun2。CheckMode =“宽容”；

用与之前相同的输入对加速函数求值两次。因为重用缓存的输出与底层函数的输出匹配，所以加速函数不会抛出警告。

dlY = accfun2(dlX)

dlY = 3×3 dlarray 1.7922 1.0357 1.6787 1.9595 1.8491 1.7577 1.6557 1.9340 1.7431

dlY = accfun2(dlX)

dlY = 3×3 dlarray 1.3922 1.7060 1.0462 1.6555 1.0318 1.0971 1.1712 1.2769 1.8235

检查输出是否匹配需要额外的处理，并增加函数计算所需的时间。检查输出后，设置CheckMode财产“没有”．

accfun1。CheckMode =“没有”；accfun2。CheckMode =“没有”；

函数out = myUn金宝appsupportedFun(dlX) sz = size(dlX);噪声= rand(sz);out = dlX +噪声;结束

函数out = my金宝appSupportedFun(dlX) sz = size(dlX);噪声= rand(sz，“喜欢”dlX);out = dlX +噪声;结束