사용자 지정 훈련 루프

영상 신경망을 위한 딥러닝 훈련 루프 및 손실 함수 사용자 지정

trainingOptions 함수가 작업에 필요한 훈련 옵션을 제공하지 않거나 trainnet 함수가 지원하지 않는 손실 함수가 있는 경우에는 사용자 지정 훈련 루프를 정의할 수 있습니다. 계층 신경망으로 지정할 수 없는 모델의 경우 모델을 함수로 정의할 수 있습니다. 자세한 내용은 사용자 지정 훈련 루프, 손실 함수 및 신경망 정의 항목을 참조하십시오.

함수

모두 확장

사용자 지정 훈련 루프

`dlnetwork`	Deep learning neural network (R2019b 이후)
`trainingProgressMonitor`	Monitor and plot training progress for deep learning custom training loops (R2022b 이후)
`minibatchqueue`	Create mini-batches for deep learning (R2020b 이후)
`dlarray`	사용자 지정을 위한 딥러닝 배열 (R2019b 이후)
`dlgradient`	Compute gradients for custom training loops using automatic differentiation (R2019b 이후)
`dlfeval`	Evaluate deep learning model for custom training loops (R2019b 이후)

손실 연산

`crossentropy`	Cross-entropy loss for classification tasks (R2019b 이후)
`l1loss`	L₁ loss for regression tasks (R2021b 이후)
`l2loss`	L₂ loss for regression tasks (R2021b 이후)
`huber`	Huber loss for regression tasks (R2021a 이후)
`mse`	평균제곱오차의 절반 (R2019b 이후)

딥러닝 연산

`dlconv`	Deep learning convolution (R2019b 이후)
`dltranspconv`	Deep learning transposed convolution (R2019b 이후)
`fullyconnect`	Sum all weighted input data and apply a bias (R2019b 이후)
`batchnorm`	Normalize data across all observations for each channel independently (R2019b 이후)
`crosschannelnorm`	Cross channel square-normalize using local responses (R2020a 이후)
`groupnorm`	Normalize data across grouped subsets of channels for each observation independently (R2020b 이후)
`instancenorm`	Normalize across each channel for each observation independently (R2021a 이후)
`layernorm`	Normalize data across all channels for each observation independently (R2021a 이후)
`avgpool`	Pool data to average values over spatial dimensions (R2019b 이후)
`maxpool`	Pool data to maximum value (R2019b 이후)
`maxunpool`	Unpool the output of a maximum pooling operation (R2019b 이후)

활성화

`relu`	ReLU(Rectified Linear Unit) 활성화 적용 (R2019b 이후)
`leakyrelu`	Apply leaky rectified linear unit activation (R2019b 이후)
`gelu`	Apply Gaussian error linear unit (GELU) activation (R2022b 이후)
`softmax`	채널 차원에 소프트맥스 활성화 적용 (R2019b 이후)
`sigmoid`	시그모이드 활성화 적용 (R2019b 이후)

도움말 항목

사용자 지정 훈련 루프

Train Deep Learning Model in MATLAB
Learn how to training deep learning models in MATLAB^®.
사용자 지정 훈련 루프, 손실 함수 및 신경망 정의
딥러닝 훈련 루프, 손실 함수, 모델을 정의하고 사용자 지정하는 방법을 알아봅니다.
Train Network Using Custom Training Loop
This example shows how to train a network that classifies handwritten digits with a custom learning rate schedule.
Monitor Custom Training Loop Progress
Track and plot custom training loop progress.
Train Network with Multiple Outputs
This example shows how to train a deep learning network with multiple outputs that predict both labels and angles of rotations of handwritten digits.
Classify Videos Using Deep Learning with Custom Training Loop
This example shows how to create a network for video classification by combining a pretrained image classification model and a sequence classification network.
Train Image Classification Network Robust to Adversarial Examples
This example shows how to train a neural network that is robust to adversarial examples using fast gradient sign method (FGSM) adversarial training.
Speed Up Deep Neural Network Training
Learn how to accelerate deep neural network training.