如果预先训练的网络已经执行了您需要的任务，那么您就不需要再训练网络。相反，您可以通过使用分类和预测功能。

例如，请参见使用GoogLeNet分类图像。

如果您有一个指定为层数组或层图的网络，并且trainingOptions函数提供了您需要的所有选项，然后您可以使用trainNetwork函数。

有关如何再培训网络(迁移学习)的示例，请参见训练深度学习网络对新图像进行分类。有关如何从头开始训练网络的示例，请参见创建简单的深度学习网络分类。

对于大多数任务，您可以使用trainingOptions和trainNetwork功能。如果trainingOptions函数不提供任务所需的选项(例如，自定义学习速率计划)，那么您可以使用dlnetwork对象。一个dlnetwork对象允许您使用自动区分来训练指定为层图的网络。

对于不能使用输出层指定的损失函数，可以在自定义训练循环中指定损失。

有关如何使用自定义学习速率计划训练网络的示例，请参见使用自定义训练循环训练网络。

要学，多看定义自定义训练循环，损失函数和网络。

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。有关如何训练定义为函数的深度学习模型的示例，请参见使用模型函数的列车网络。

如果可以使用层图创建网络的各个部分，那么可以使用模型函数将这些部分定义为层图，将不支持的部分定义为模型函数。金宝app

对于大多数任务，您可以使用或再训练一个预先训练过的网络，例如googlenet。

在MATLAB中预先训练的深度学习网络的列表^®,请参阅预先训练的深度神经网络。你可以用新数据直接使用预先训练好的网络，也可以用迁移学习的新数据对它们进行再训练，以完成不同的任务。

如果一个预先训练过的网络已经完成了你需要的任务，那么你可以直接使用这个网络而不需要再训练。例如，你可以使用googlenet网络分类图像在1000类。要直接用网络进行预测，请使用分类和预测功能。例如，请参见使用GoogLeNet分类图像。

如果你需要对网络进行再培训——例如，对不同的类别进行分类——那么你可以使用迁移学习对网络进行再培训。

您可以将大多数深度学习模型指定为层数组或层图。换句话说，您可以将模型定义为层的集合，层输出连接到其他层输入。

有些网络架构不能定义为层图。例如，暹罗网络需要权值共享，不能定义为层图。对于这些网络，您必须将模型定义为一个函数。例如，请参见使用模型函数的列车网络。

对于具有多个输出的网络，必须使用自定义训练循环来训练网络。例如，请参见多输出列车网络。

深度学习工具箱提供了许多不同层次的深度学习任务。有关层的列表，请参见深度学习层列表。

如果深度学习工具箱提供了您需要的中间层(网络中间的层)，那么您可以使用这些层将网络定义为层阵列或层图。否则，尝试将任何不支持的层定义为自定义层。金宝app有关更多信息，请参见定义自定义深度学习层。

如果深度学习工具箱没有提供您需要的层，那么您可以尝试定义一个自定义的深度学习层。有关更多信息，请参见定义自定义深度学习层。

如果可以为任何不支持的层定义自定义层，则可以在层数组或层图中包含这些自定义层。金宝app否则，使用函数指定深度学习模型，并使用自定义训练循环训练模型。例如，请参见使用模型函数的列车网络。

输出层指定用于训练的损失函数。深度学习工具箱为深度学习任务提供不同的输出层。例如,classificationLayer和regressionLayer。有关输出层的列表，请参见输出层页中的部分深度学习层列表。

如果深度学习工具箱提供了您需要的输出层，那么您可以使用这些层定义一个层图。否则，请尝试将任何不支持的输出层定义为自定义层。金宝app有关更多信息，请参见定义自定义深度学习层。

如果深度学习工具箱不提供您需要的输出层，那么您可以尝试定义一个自定义输出层。有关更多信息，请参见定义自定义深度学习层。

如果可以为任何不支持的输出层定义自定义输出层，则可以在层数组或层图中包含这些自定义层。金宝app否则，使用a训练模型dlnetwork对象和自定义训练循环，并指定自定义损失函数。例如，请参见使用自定义训练循环训练网络。

的trainingOptions功能为定制培训过程提供了许多选项。如果trainingOptions函数提供了您需要训练的所有选项，然后您可以使用trainNetwork函数。例如，请参见创建简单的深度学习网络分类。

如果trainingOptions函数不提供您需要的训练选项，例如，自定义学习率计划，那么您可以使用dlnetwork对象。例如，请参见使用自定义训练循环训练网络。