深層学習のカスタム学習ル,プ
深層学習の学習ルプおよび損失関数のカスタマズ
タスクに必要な学習オプションが関数trainingOptions
に用意されていない場合,または必要な損失関数をカスタム出力層がサポートしていない場合,カスタム学習ループを定義できます。層グラフを使用して作成できないネットワ,クの場合,カスタムネットワ,クを関数として定義できます。詳細にいては,カスタム学習ル,プ,損失関数,およびネットワ,クの定義を参照してください。
関数
トピック
カスタム学習ル,プ
- Matlabによる深層学習モデルの学習
MATLAB®で深層学習モデルを学習させる方法を学習する。 - カスタム学習ル,プ,損失関数,およびネットワ,クの定義
自動微分を使用して深層学習の学習ル,プ,損失関数,およびネットワ,クを定義する方法を学びます。 - カスタム学習ル,プを使用したネットワ,クの学習
この例では,カスタム学習率スケジュールで手書きの数字を分類するネットワークに学習させる方法を示します。 - カスタム学習ル,プでの学習オプションの指定
カスタム学習ル,プで一般的な学習オプションを指定する方法を学びます。 - カスタム学習ル,プのモデル損失関数の定義
カスタム学習ル,プのモデル損失関数を定義する方法を学ぶ。 - カスタム学習ル,プでのバッチ正規化統計量の更新
この例では,カスタム学習ル,プでネットワ,クの状態を更新する方法を示します。 - Dlnetworkオブジェクトを使用した予測の実行
この例では,デ,タをミニバッチに分割することにより,dlnetwork
オブジェクトを使用して予測を行う方法を示します。 - 监控定制培训循环进度
跟踪并绘制自定义训练循环进度。 - 複数の出力をもネットワクの学習
この例では,手書きの数字のラベルと回転角度の両方を予測する,複数の出力をもつ深層学習ネットワークに学習させる方法を説明します。 - 使用自定义训练循环的深度学习分类视频
这个例子展示了如何通过结合预先训练的图像分类模型和序列分类网络来创建视频分类网络。 - 训练图像分类网络对对抗实例鲁棒性
这个例子展示了如何使用快速梯度符号方法(FGSM)对抗训练训练一个对对抗例子鲁棒的神经网络。 - ニュラルodeネットワクの学習
この例では,拡張ニュ,ラル常微分方程式(ode)ネットワ,クに学習させる方法を示します。 - 用雅可比正则化训练鲁棒深度学习网络
这个例子展示了如何使用雅可比正则化方案[1]训练一个对对抗例子鲁棒的神经网络。 - ニュ,ラルネットワ,クを使用した常微分方程式の求解
この例では,ニュ,ラルネットワ,クを使用して常微分方程式(ode)を解く方法を示します。 - 予測用の多出力ネットワ,クの組み立て
この例では,予測用の複数の出力ネットワ,クを組み立てる方法を説明します。 - 在GPU上并行运行自定义训练循环
通过在GPU上运行、并行使用多个GPU或在集群上运行来加速自定义训练循环。
モデル関数
- モデル関数を使用したネットワ,クの学習
この例では,層グラフまたはdlnetwork
ではなく関数を使用して深層学習ネットワ,クを作成し,学習させる方法を説明します。 - モデル関数を使用したバッチ正規化統計量の更新
この例では,関数として定義されたネットワ,クにおいて,ネットワ,クの状態を更新する方法を示します。 - モデル関数を使用した予測の実行
この例では,デ,タをミニバッチに分割することにより,モデル関数を使用して予測を行う方法を示します。 - モデル関数の学習可能パラメ,タ,の初期化
モデル関数を使用して,カスタム学習ル,プの学習可能なパラメ,タ,を初期化する方法を学ぶ。 - 用不规则采样时间序列数据训练潜在ODE网络
这个例子展示了如何用不规则时间间隔采样的时间序列数据训练潜在常微分方程(ODE)自编码器。 - 基于图神经网络的多变量时间序列异常检测
这个例子展示了如何使用图神经网络(GNN)检测多元时间序列数据中的异常。
自動微分
- Dlarrayをサポ,トする関数の一覧
dlarray
オブジェクトをサポ,トする関数の一覧を表示します。 - 自動微分の背景
自動微分の機能を学びます。 - 深度学习工具箱での自動微分の使用
深層学習での自動微分の使用方法を示します。
深層学習関数の高速化
- 自定义训练循环的深度学习函数加速
通过缓存和重用跟踪,加速自定义训练循环的模型函数和模型损失函数。 - 加速自定义训练循环函数
这个例子展示了如何加速深度学习自定义训练循环和预测函数。 - 高速化された深層学習関数の出力のチェック
この例では,高速化された関数の出力が基になる関数の出力と一致するかどうかをチェックする方法を説明します。 - 评估加速深度学习函数的性能
这个例子展示了如何评估使用加速函数的性能增益。