如果是trainingOptions
功能不提供您需要的培训选项,或者自定义输出图层不支持您需要的丢失功能,然后您可以定义自定义训练循环。金宝app对于无法使用图层图创建的网络,您可以将自定义网络定义为函数。要了解更多信息,请参阅定义自定义训练循环,损失函数和网络。
了解如何在Matlab中培训深入学习模型®。
了解如何定义和自定义使用自动差异的深度学习培训循环,丢失功能和网络。
这个例子展示了如何训练一个网络,用一个定制的学习速率计划来分类手写数字。
了解如何在自定义训练循环中指定常用培训选项。
学习如何为自定义训练循环定义模型梯度函数。
这个例子展示了如何在一个自定义的训练循环中更新网络状态。
此示例显示如何使用a进行预测dlnetwork.
通过将数据拆分为迷你批量来。
此示例显示如何使用图像和特征输入数据训练分类手写数字的网络。
此示例显示如何使用多个输出训练深度学习网络,该输出预测手写数字的标签和旋转角度。
该示例通过组合预读的图像分类模型和序列分类网络,如何创建用于视频分类的网络。
这个例子展示了如何使用快速梯度符号法(FGSM)对抗训练神经网络对对抗例子具有鲁棒性。
这个例子展示了如何训练一个增广神经常微分方程(ODE)网络。
此示例显示了如何使用雅各比正则化方案[1]训练对对抗性示例具有鲁棒的神经网络[1]。
该示例显示了如何使用神经网络求解常规方程(ODE)。
此示例显示如何组装多个输出网络以进行预测。
通过在GPU上运行,并行使用多个GPU或群集时加快自定义训练循环。
此示例显示如何通过使用函数而不是图层图形或者创建和培训深度学习网络dlnetwork.
。
此示例显示如何在定义为函数的网络中更新网络状态。
此示例显示如何通过将数据拆分为迷你批量来使用模型函数进行预测。
了解如何使用模型函数初始化自定义训练循环的可读参数。
查看支持的功能列表金宝appdlarray.
对象。
了解自动分化的工作原理。
如何在深度学习中使用自动分化。
通过缓存和重用跟踪来加速定制训练循环的模型函数和模型梯度函数。
此示例显示如何加速深度学习自定义训练循环和预测功能。
这个例子展示了如何检查加速函数的输出是否与底层函数的输出匹配。
这个例子展示了如何评估使用一个加速函数的性能收益。