训练深度神经网络
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 计算要求 (Parallel Computing Toolbox)）。使用 trainingOptions 函数指定执行环境。
如果 trainingOptions 函数不提供任务所需的训练选项，或者自定义输出层不支持所需的损失函数，则您可以定义自定义训练循环。对于无法指定为由层组成的网络的模型，可以将模型定义为函数。要了解详细信息，请参阅定义自定义训练循环、损失函数和网络。
在确定一些合适的开始选项后，您可以使用试验管理器自动扫描超参数或尝试贝叶斯优化。使用试验管理器通过并行运行试验同时测试不同训练配置，并使用训练图监控您的进度。
类别
- 内置训练
使用内置训练函数训练深度学习网络
- 使用自动微分进行自定义训练
使用自定义训练循环来训练深度学习网络
- 调节
以编程方式调整训练选项，从检查点继续训练，并研究对抗样本
- 管理试验
在多个初始条件下训练网络，以交互方式调整训练选项，并评估结果
- 并行和云
在本地使用多个 GPU 或在云中扩展深度学习，并以交互方式或批处理作业的形式训练多个网络
- 函数逼近、聚类和控制
使用浅层神经网络执行回归、分类和聚类，以及对非线性动态系统建模
精选示例
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。
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。
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。
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。
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。
Train Network on Image and Feature Data
Train a network that classifies handwritten digits using both image and feature input data.
使用自定义训练循环训练网络
此示例说明如何使用自定义学习率调度来训练对手写数字进行分类的网络。
训练生成对抗网络 (GAN)
此示例说明如何训练生成对抗网络来生成图像。
Train Fast Style Transfer Network
Train a network to transfer the style of an image to a second image. It is based on the architecture defined in [1].
Image Captioning Using Attention
Train a deep learning model for image captioning using attention.
Generate Images Using Diffusion
Generate new images using a diffusion model.
Resume Training from Checkpoint Network
Save checkpoint networks while training a deep learning network and resume training from a previously saved network.
Try Multiple Pretrained Networks for Transfer Learning
Configure an experiment that replaces layers of different pretrained networks for transfer learning.
Experiment with Weight Initializers for Transfer Learning
Configure an experiment that initializes the weights of convolution and fully connected layers using different weight initializers.
Use Experiment Manager to Train Generative Adversarial Networks (GANs)
Create a custom training experiment to generate images of flowers.
Detect Issues During Deep Neural Network Training
Automatically detect issues while training a deep neural network.
