利用MATLAB自动支持并行训练卷积神经网络。金宝app深度学习训练通常需要数小时或数天。通过使用并行计算，您可以在本地或云中的集群中使用多个图形处理单元(gpu)加快培训速度。如果您可以访问具有多个gpu的机器，那么您可以在数据的本地副本上完成这个示例。如果你想使用更多的资源，那么你可以将深度学习培训扩展到云。要了解更多关于并行培训选项的信息，请参见在并行和云中扩展深度学习。这个例子指导您通过使用MATLAB自动并行支持在云中的集群中训练深度学习网络的步骤。金宝app

使用自动并行支持在本地机器上使用多个gpu进行深度学习训练。金宝app训练深度学习网络通常需要数小时或数天。使用并行计算，您可以使用多个gpu加速训练。要了解有关并行培训选项的更多信息，请参见在并行和云中扩展深度学习。

使用实验管理器训练深度学习网络进行分类。

使用实验管理器训练回归深度学习网络。

在本地机器上运行多个深度学习实验。使用此示例作为模板，您可以修改网络层和培训选项，以满足特定的应用程序需求。您可以对单个或多个gpu使用这种方法。如果你只有一个GPU，网络就会在后台一个接一个地训练。本例中的方法使您能够在进行深度学习实验时继续使用MATLAB®。

使用parfor循环对训练选项执行参数扫描。

使用parfeval对深度学习网络的网络结构深度进行参数扫描，并在训练过程中检索数据。

上传数据到Amazon S3桶。

建立一个自定义的训练循环来并行地训练网络。在本例中，并行工作人员对整个小批处理的部分进行培训。如果你有一个GPU，那么训练就会在GPU上进行。在培训期间，DataQueue对象将培训进度信息发送回MATLAB客户机。

使用联合学习训练网络。联合学习是一种技术，使您能够以分布式的、去中心化的方式训练网络[1]。

将深度学习培训批作业发送到集群，以便您可以在培训期间继续工作或关闭MATLAB。