Main Content

신경망 구축 및 훈련시키기

시퀀스 및 테이블 형식 데이터를 위한 심층 신경망을 처음부터 만들어 훈련시키기

신경망 아키텍처를 처음부터 정의하고 훈련시켜서 분류, 회귀, 전망 작업을 위한 심층 신경망을 새로 만듭니다.

신경망 아키텍처를 정의한 후에 trainingOptions 함수를 사용하여 훈련 파라미터를 정의할 수 있습니다. 그런 다음 trainNetwork 또는 trainnet을 사용하여 신경망을 훈련시킬 수 있습니다. 훈련된 신경망을 사용하여 클래스 레이블 또는 숫자형 응답 변수를 예측하거나, 미래의 시간 스텝을 전망합니다. trainingOptions 함수가 작업에 필요한 훈련 옵션을 제공하지 않거나 사용자 지정한 출력 계층이 필요한 손실 함수를 지원하지 않을 경우에는 사용자 지정 훈련 루프를 정의할 수 있습니다.

한 개의 CPU, 한 개의 GPU, 여러 개의 CPU나 GPU, 또는 클러스터나 클라우드에서 병렬로 신경망을 훈련시킬 수 있습니다. GPU에서 또는 병렬로 훈련시키려면 Parallel Computing Toolbox™가 필요합니다. GPU를 사용하려면 지원되는 GPU 장치가 필요합니다. (지원되는 장치에 대한 자세한 내용은 GPU 연산 요구 사항 (Parallel Computing Toolbox) 항목을 참조하십시오.) trainingOptions 함수를 사용해서 실행 환경을 지정하십시오.

카테고리

  • 심층 신경망 구축하기
    MATLAB® 코드를 사용하거나 심층 신경망 디자이너를 대화형 방식으로 사용하여 시퀀스 및 테이블 형식 데이터를 위한 신경망 구축
  • 기본 제공 훈련
    기본 제공 훈련 함수를 사용하여 시퀀스 및 테이블 형식 데이터를 위한 딥러닝 신경망 훈련
  • 사용자 지정 훈련 루프
    시퀀스 및 테이블 형식 데이터를 위한 딥러닝 훈련 루프 및 손실 함수 사용자 지정