Main Content

Benutzerdefinierte Trainingsschleifen

Trainieren von Deep-Learning-Netzen mit benutzerdefinierten Trainingsschleifen

Wenn die trainingOptions-Funktion nicht die Trainingsoptionen bietet, die Sie für Ihre Aufgabe benötigen, oder Sie eine Verlustfunktion haben, die die trainnet-Funktion nicht unterstützt, können Sie eine eigene Trainingsschleife definieren. Für Modelle, die nicht als Netz von Schichten angegeben werden können, können Sie das Modell als Funktion definieren. Weitere Informationen finden Sie unter Define Custom Training Loops, Loss Functions, and Networks.

Funktionen

alle erweitern

dlnetworkDeep learning neural network (Seit R2019b)
trainingProgressMonitorMonitor and plot training progress for deep learning custom training loops (Seit R2022b)
minibatchqueueCreate mini-batches for deep learning (Seit R2020b)
padsequencesPad or truncate sequence data to same length (Seit R2021a)
dlarrayDeep learning array for customization (Seit R2019b)
dlgradientCompute gradients for custom training loops using automatic differentiation (Seit R2019b)
dlfevalEvaluate deep learning model for custom training loops (Seit R2019b)
crossentropyCross-entropy loss for classification tasks (Seit R2019b)
l1lossL1 loss for regression tasks (Seit R2021b)
l2lossL2 loss for regression tasks (Seit R2021b)
huberHuber loss for regression tasks (Seit R2021a)
mseHalf mean squared error (Seit R2019b)
ctcConnectionist temporal classification (CTC) loss for unaligned sequence classification (Seit R2021a)

Themen