기본 제공 훈련

기본 제공 훈련 함수를 사용하여 영상 데이터를 위한 딥러닝 신경망 훈련

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 레이블이나 숫자형 응답 변수를 예측합니다.

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.

앱

심층 신경망 디자이너

딥러닝 신경망의 설계, 시각화 및 훈련

함수

모두 확장

신경망 훈련시키기

`trainingOptions`	딥러닝 신경망 훈련 옵션
`trainNetwork`	신경망 훈련
`trainnet`	Train deep learning neural network (R2023b 이후)
`analyzeNetwork`	딥러닝 신경망 아키텍처 분석

예측

`classify`	훈련된 딥러닝 신경망을 사용하여 데이터 분류
`predict`	훈련된 딥러닝 신경망을 사용하여 응답 변수 예측
`activations`	딥러닝 신경망 계층 활성화 계산
`confusionchart`	Create confusion matrix chart for classification problem
`sortClasses`	Sort classes of confusion matrix chart

도움말 항목

앱 훈련

Train Networks Using Deep Network Designer
Interactively train deep learning networks in Deep Network Designer.
Import Data into Deep Network Designer
Import and visualize data in Deep Network Designer.

명령줄 훈련

분류를 수행하는 간단한 딥러닝 신경망 만들기
이 예제에서는 딥러닝 분류를 수행하는 간단한 컨벌루션 신경망을 만들고 훈련시키는 방법을 보여줍니다.
회귀를 위해 컨벌루션 신경망 훈련시키기
이 예제에서는 컨벌루션 신경망을 사용하여 손으로 쓴 숫자의 회전 각도를 예측하는 회귀 모델을 피팅하는 방법을 보여줍니다.
파라미터를 설정하고 컨벌루션 신경망 훈련시키기
컨벌루션 신경망의 훈련 파라미터를 설정하는 방법을 알아봅니다.
MATLAB의 딥러닝
사전 훈련된 신경망 및 전이 학습, 그리고 GPU, CPU, 클러스터 및 클라우드에서의 훈련 등 분류 및 회귀에 컨벌루션 신경망을 사용하여 MATLAB^®의 딥러닝 기능을 알아봅니다.
딥러닝 팁과 요령
딥러닝 신경망의 정확도를 높이는 방법을 알아봅니다.
Data Sets for Deep Learning
Discover data sets for various deep learning tasks.

추천 예제

영상 분류를 위해 잔차 신경망 훈련시키기

이 예제에서는 잔차 연결을 사용하여 딥러닝 신경망을 만들고 CIFAR-10 데이터에 대해 훈련시키는 방법을 보여줍니다. 잔차 연결은 컨벌루션 신경망 아키텍처에서 자주 사용되는 요소입니다. 잔차 연결을 사용하면 신경망의 기울기 흐름이 향상되고 보다 심층의 신경망을 훈련시킬 수 있습니다.

라이브 스크립트 열기

분류 신경망을 회귀 신경망으로 변환하기

이 예제에서는 훈련된 분류 신경망을 회귀 신경망으로 변환하는 방법을 보여줍니다.

라이브 스크립트 열기

영상 데이터와 특징 데이터로 신경망 훈련시키기

이 예제에서는 영상과 특징 입력 데이터를 모두 사용하여 손으로 쓴 숫자를 분류하는 신경망을 훈련시키는 방법을 보여줍니다.

라이브 스크립트 열기

Image-to-Image Regression in Deep Network Designer

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

라이브 스크립트 열기

Multilabel Image Classification Using Deep Learning

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

라이브 스크립트 열기

Train Neural ODE Network

Train an augmented neural ordinary differential equation (ODE) network.

라이브 스크립트 열기

Lane and Vehicle Detection in Simulink Using Deep Learning

Use deep convolutional neural networks inside a Simulink® model to perform lane and vehicle detection. This example takes the frames from a traffic video as an input, outputs two lane boundaries that correspond to the left and right lanes of the ego vehicle, and detects vehicles in the frame.

스크립트 열기