帮助中心帮助中心

本页翻译不是最新的。点击此处可查看最新英文版本。

训练深度神经网络

使用内置训练函数或自定义训练循环来训练网络

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 trainNetwork 或 trainnet 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。

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。对于无法使用层图创建的网络，可以将自定义网络定义为函数。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。

类别

内置训练
使用内置训练函数训练深度学习网络
自定义训练循环
使用自定义训练循环来训练深度学习网络

精选示例

使用深度网络设计器进行迁移学习

使用深度网络设计器进行迁移学习

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

使用深度学习进行时间序列预测

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。

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

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

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

Train Network Using Custom Training Loop

Train Network Using Custom Training Loop

Train a network that classifies handwritten digits with a custom learning rate schedule.

打开实时脚本

训练生成对抗网络 (GAN)

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。

打开实时脚本

Train Fast Style Transfer Network

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].

打开实时脚本

Image Captioning Using Attention

Image Captioning Using Attention

Train a deep learning model for image captioning using attention.

打开实时脚本