火车生成对抗网络生成图像。

训练一个网络与自定义分类手写数字学习速率的时间表。

创建和培训深入学习网络通过使用函数,而不是一个或dlnetwork层图。使用函数的优点是灵活地描述各种各样的网络。缺点是你必须完成更多的步骤,仔细准备您的数据。这个示例使用手写数字图像,分类的双重目标数字,确定每个数字从垂直的角度。

火车暹罗网络比较手写数字使用降维。

火车暹罗网络手写字符识别类似的图像。

训练图像的深度学习模型使用注意字幕。

文本数据分类,有多个独立的标签。

十进制字符串转换为罗马数字使用复发sequence-to-sequence encoder-decoder模型与关注。

使用一个通用的每个时间步的序列数据分类时间卷积网络(TCN)。

建立一个定制的培训循环并行训练网络。在这个例子中,平行的工人训练部分整体mini-batch。如果你有一个GPU,然后训练在GPU上没有发生。在培训期间,DataQueue对象MATLAB将培训进展信息发送回客户端。

训练深度学习变分autoencoder (VAE)来生成图像。

训练一个网络分类的图像对象使用一个周期性的学习速率时间表和快照合奏更好的测试精度。在这个例子中,您将了解如何使用余弦函数的学习速率时间表,采取网络在训练的快照创建一个模型合奏,并添加L2-norm正规化(重量衰变)培训损失。