帮助中心帮助中心

内置训练

使用内置训练函数训练深度学习网络

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。

App

深度网络设计器

设计和可视化深度学习网络

函数

训练

`dlnetwork`	Deep learning neural network (自 R2019b 起)
`trainingOptions`	Options for training deep learning neural network
`trainnet`	Train deep learning neural network (自 R2023b 起)
`TrainingInfo`	Neural network training information (自 R2023b 起)
`show`	Show training information plot (自 R2023b 起)
`close`	Close training information plot (自 R2023b 起)

度量

`accuracyMetric`	Deep learning accuracy metric (自 R2023b 起)
`aucMetric`	Deep learning area under ROC curve (AUC) metric (自 R2023b 起)
`fScoreMetric`	Deep learning F-score metric (自 R2023b 起)
`precisionMetric`	Deep learning precision metric (自 R2023b 起)
`recallMetric`	Deep learning recall metric (自 R2023b 起)
`rmseMetric`	Deep learning root mean squared error metric (自 R2023b 起)

预测

`predict`	Compute deep learning network output for inference (自 R2019b 起)
`minibatchpredict`	Mini-batched neural network prediction (自 R2024a 起)
`scores2label`	Convert prediction scores to labels (自 R2024a 起)
`confusionchart`	Create confusion matrix chart for classification problem
`sortClasses`	Sort classes of confusion matrix chart
`classifyAndUpdateState`	(Not recommended) Classify data using a trained recurrent neural network and update the network state

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。
使用深度学习进行时间序列预测
此示例说明如何使用长期短期记忆 (LSTM) 网络预测时间序列数据。
使用深度学习进行序列分类
此示例说明如何使用长短期记忆 (LSTM) 网络对序列数据进行分类。
使用深度学习进行“序列到序列”分类
此示例说明如何使用长短期记忆 (LSTM) 网络对序列数据的每个时间步进行分类。
使用深度学习进行“序列到序列”回归
此示例说明如何使用深度学习预测发动机的剩余使用寿命 (RUL)。
使用深度学习进行“序列到单个”回归
此示例说明如何使用长短期记忆 (LSTM) 神经网络来预测波形的频率。
Create Custom Deep Learning Training Plot
This example shows how to create a custom training plot that updates at each iteration during training of deep learning neural networks using trainnet. (自 R2023b 起)
Custom Stopping Criteria for Deep Learning Training
This example shows how to stop training of deep learning neural networks based on custom stopping criteria using trainnet. (自 R2023b 起)
Speed Up Deep Neural Network Training
Learn how to accelerate deep neural network training.

精选示例

使用深度网络设计器为迁移学习准备网络

使用深度网络设计器为迁移学习准备网络

以交互方式微调预训练的深度学习网络以学习新的图像分类任务。

打开实时脚本

Train Network with Numeric Features

Train Network with Numeric Features

Create and train a simple neural network for deep learning feature data classification.

打开实时脚本

Train Neural Network with Tabular Data

Train Neural Network with Tabular Data

Train a neural network with tabular data.

自 R2023b 起

打开实时脚本

使用深度网络设计器编译时间序列预测网络

使用深度网络设计器编译时间序列预测网络

此示例说明如何使用深度网络设计器创建一个简单的长短期记忆 (LSTM) 网络来预测时间序列数据。

打开实时脚本

训练残差网络进行图像分类

训练残差网络进行图像分类

此示例说明如何创建包含残差连接的深度学习神经网络，并针对 CIFAR-10 数据对其进行训练。残差连接是卷积神经网络架构中的常见元素。使用残差连接可以改善网络中的梯度流，从而可以训练更深的网络。

打开实时脚本

Train Network on Image and Feature Data

Train Network on Image and Feature Data

Train a network that classifies handwritten digits using both image and feature input data.

打开实时脚本

Multilabel Image Classification Using Deep Learning

Multilabel Image Classification Using Deep Learning

Use transfer learning to train a deep learning model for multilabel image classification.

打开实时脚本

Build Image-to-Image Regression Network Using Deep Network Designer

Build Image-to-Image Regression Network Using Deep Network Designer

Use Deep Network Designer to construct an image-to-image regression network for super resolution.

打开实时脚本

Adapt Pretrained Audio Network for New Data Using Deep Network Designer

Adapt Pretrained Audio Network for New Data Using Deep Network Designer

Interactively adapt a pretrained network to classify new audio signals using Deep Network Designer.

打开实时脚本

使用深度学习对视频进行分类

使用深度学习对视频进行分类

此示例说明如何通过将预训练图像分类模型和 LSTM 网络相结合来创建视频分类网络。

打开实时脚本