Main Content

기본 제공 훈련

기본 제공 훈련 함수를 사용하여 시퀀스 및 테이블 형식 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 레이블 또는 숫자형 응답 변수를 예측하거나, 미래의 시간 스텝을 전망합니다.

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.

심층 신경망 디자이너딥러닝 신경망의 설계, 시각화 및 훈련

함수

모두 확장

trainingOptions딥러닝 신경망 훈련 옵션
trainNetwork신경망 훈련
trainnetTrain deep learning neural network (R2023b 이후)
analyzeNetwork딥러닝 신경망 아키텍처 분석
classify훈련된 딥러닝 신경망을 사용하여 데이터 분류
predict훈련된 딥러닝 신경망을 사용하여 응답 변수 예측
activations딥러닝 신경망 계층 활성화 계산
predictAndUpdateState훈련된 순환 신경망을 사용하여 응답 변수 예측 및 신경망 상태 업데이트
classifyAndUpdateState훈련된 순환 신경망을 사용하여 데이터 분류 및 신경망 상태 업데이트
resetState신경망의 상태 파라미터 재설정
confusionchartCreate confusion matrix chart for classification problem
sortClassesSort classes of confusion matrix chart

도움말 항목

다층 퍼셉트론 신경망

순환 신경망

컨벌루션 신경망

MATLAB을 사용한 딥러닝

  • 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.