神经网络设计的工作流程有七个主要步骤。引用的主题讨论步骤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输出
初始化权重和偏差
训练网络-神经网络训练概念
验证网络
使用网络
第1步中的数据收集通常发生在Deep Learning Toolbox™软件的框架之外,但它通常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进行讨论。
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,并展示了如何创建它们并将它们存储在网络对象中。
神经网络创建之后,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,如示例数据所定义的那样。网络配置完成后,需要调整可调的网络参数(称为权值和偏差),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。本主题展示如何格式化数据以便在网络中显示。说明了网络的配置和网络训练的两种形式:增量训练和批量训练。