Trainieren von tiefen neuronalen Netzen
Nachdem Sie die Netzarchitektur definiert haben, können Sie die Trainingsparameter mit der Funktion trainingOptions
festlegen. Sie können das Netz dann mit der Funktion trainnet
trainieren. Verwenden Sie das trainierte Netz, um Klassenbezeichnungen oder numerische Antworten vorherzusagen.
Sie können ein neuronales Netz auf einer CPU, einer GPU, mehreren CPUs oder GPUs oder parallel auf einem Cluster oder in der Cloud trainieren. Für das Training auf einem Grafikprozessor oder das parallele Training ist die Parallel Computing Toolbox™ erforderlich. Die Verwendung eines Grafikprozessors erfordert ein unterstütztes Grafikprozessorgerät (Informationen über unterstützte Geräte finden Sie unter GPU Computing Requirements (Parallel Computing Toolbox)). Geben Sie die Ausführungsumgebung mit der trainingOptions
-Funktion an.
Wenn die trainingOptions
-Funktion nicht die Trainingsoptionen bietet, die Sie für Ihre Aufgabe benötigen, oder die benutzerdefinierten Ausgabeschichten die benötigten Verlustfunktionen nicht unterstützen, können Sie eine benutzerdefinierte 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.
Kategorien
- Integriertes Training
Trainieren von Deep-Learning-Netzen mit integrierten Trainingsfunktionen
- Benutzerdefinierte Trainingsschleifen
Trainieren von Deep-Learning-Netzen mit benutzerdefinierten Trainingsschleifen