内置训练
使用内置训练函数训练图像数据的深度学习网络
定义网络架构后,您可以使用 trainingOptions
函数定义训练参数。然后,您可以使用 trainnet
函数训练网络。使用经过训练的网络预测类标签或数值响应。
您可以在一个 CPU、一个 GPU、多个 CPU 或 GPU 上训练神经网络,或者在集群中并行训练或在云中训练。在 GPU 上训练或并行训练需要 Parallel Computing Toolbox™。使用 GPU 需要支持的 GPU 设备(有关受支持设备的信息,请参阅GPU Computing Requirements (Parallel Computing Toolbox))。使用 trainingOptions
函数指定执行环境。
App
深度网络设计器 | 设计和可视化深度学习网络 |
函数
主题
- 创建简单的深度学习神经网络以用于分类
此示例说明如何创建和训练简单的卷积神经网络来进行深度学习分类。
- 针对回归训练卷积神经网络
此示例说明如何训练卷积神经网络来预测手写数字的旋转角度。
- 在 MATLAB 中进行深度学习
通过使用卷积神经网络进行分类和回归来探索 MATLAB® 的深度学习能力,包括预训练网络和迁移学习,以及在 GPU、CPU、集群和云上进行训练。
- Deep Learning Tips and Tricks
Learn how to improve the accuracy of deep learning networks.
- Speed Up Deep Neural Network Training
Learn how to accelerate deep neural network training.
- Data Sets for Deep Learning
Discover data sets for various deep learning tasks.