딥러닝사용자지정훈련루프

딥러닝훈련루프및손실함수사용자지정

trainingOptions함수가작업에필요한훈련옵션을제공하지않거나사용자지정한출력계층이필요한손실함수를지원하지않을경우에는사용자지정훈련루프를정의할수있습니다。계층그래프를사용하여만들수없는신경망의경우사용자지정신경망을함수로정의할수있습니다。자세한내용은사용자지정훈련루프，손실함수및신경망정의항목을참조하십시오。

함수

모두 확장

사용자지정훈련루프

`dlnetwork`	用于定制训练循环的深度学习网络
`向前`	计算用于训练的深度学习网络输出
`预测`	计算用于推理的深度学习网络输出
`adamupdate`	使用自适应矩估计更新参数(Adam)
`rmspropupdate`	使用均方根传播(RMSProp)更新参数
`sgdmupdate`	使用随机动量梯度下降(SGDM)更新参数
`dlupdate`	使用自定义函数更新参数
`minibatchqueue`	为深度学习创建小批量
`onehotencode`	将数据标签编码为一个热向量
`onehotdecode`	将概率向量解码为类标签
`padsequences`	填充或截断序列数据到相同的长度
`初始化`	初始化的可学习参数和状态参数`dlnetwork`

자동 미분

`dlarray`	用于定制训练循环的深度学习阵列
`dlgradient`	使用自动区分计算自定义训练循环的梯度
`dlfeval`	评估自定义训练循环的深度学习模型
`会变暗`	`dlarray`의차원레이블
`finddim`	查找带有指定标签的尺寸
`stripdims`	删除`dlarray`数据格式
`extractdata`	从`dlarray`
`isdlarray`	检查对象是否为`dlarray`
`functionToLayerGraph`	将深度学习模型函数转换为层图

딥러닝연산

`dlconv`	深度学习卷积
`dltranspconv`	深度学习转置卷积
`lstm`	长短期记忆
`格勒乌`	门控循环装置
`嵌入`	嵌入离散数据
`fullyconnect`	求和所有加权输入数据并应用偏差
`dlode45`	非刚性常微分方程(ODE)的深度学习解
`线性整流函数（Rectified Linear Unit）`	ReLU(整流线性单元)활성화적용
`leakyrelu`	应用泄漏整流线性单元激活
`batchnorm`	对每个通道的所有观测数据进行独立的归一化
`crosschannelnorm`	使用本地响应进行跨信道方规范化
`groupnorm`	为每个观察单独地在分组的信道子集上标准化数据
`instancenorm`	对每个观察单独在每个通道上进行归一化
`layernorm`	为每个观察独立地规范化所有通道的数据
`avgpool`	将数据池化为空间维度上的平均值
`maxpool`	将数据池到最大值
`maxunpool`	取消最大池化操作的输出
`softmax`	应用softmax激活通道维度
`乙状结肠`	시그모이드활성화적용
`crossentropy`	分类任务的交叉熵损失
`l1loss`	l₁回归任务损失
`l2loss`	l₂回归任务损失
`休伯`	回归任务的Huber损失
`均方误差`	半均方误差
`ctc`	无序序列分类中的连接主义时间分类(CTC)损失

딥러닝함수가속

`dlaccelerate`	为定制训练循环加速深度学习功能
`AcceleratedFunction`	加速深度学习功能
`clearCache`	清晰的加速深度学习函数跟踪缓存