이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.
기본 제공되는 훈련
기본 제공 훈련 함수를 사용하여 딥러닝 신경망 훈련
신경망 아키텍처를 정의한 후에 trainingOptions
함수를 사용하여 훈련 파라미터를 정의할 수 있습니다. 그런 다음 trainNetwork
를 사용하여 신경망을 훈련시킬 수 있습니다. 훈련된 신경망을 사용하여 클래스 레이블이나 숫자형 응답 변수를 예측합니다.
앱
심층 신경망 디자이너 | 딥러닝 신경망의 설계, 시각화 및 훈련 |
함수
trainingOptions | 딥러닝 신경망 훈련 옵션 |
trainNetwork | 딥러닝 신경망 훈련 |
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. - 딥러닝을 사용한 시계열 전망
이 예제에서는 장단기 기억(LSTM) 신경망을 사용하여 시계열 데이터를 전망하는 방법을 보여줍니다. - 딥러닝을 사용한 시퀀스 분류
이 예제에서는 장단기 기억(LSTM) 신경망을 사용하여 시퀀스 데이터를 분류하는 방법을 보여줍니다. - 딥러닝을 사용한 sequence-to-sequence 분류
이 예제에서는 장단기 기억(LSTM) 신경망을 사용하여 시퀀스 데이터의 각 시간 스텝을 분류하는 방법을 보여줍니다. - 딥러닝을 사용한 sequence-to-sequence 회귀
이 예제에서는 딥러닝을 사용하여 엔진의 잔여 수명(RUL)을 예측하는 방법을 보여줍니다. - 딥러닝을 사용한 sequence-to-one 회귀
이 예제에서는 장단기 기억(LSTM) 신경망을 사용하여 파형의 주파수를 예측하는 방법을 보여줍니다.