자동 미분을 사용한 사용자 지정 훈련
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
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. - 사용자 지정 훈련 루프를 사용하여 신경망 훈련시키기
이 예제에서는 사용자 지정 학습률 조정 계획을 사용하여 손으로 쓴 숫자를 분류하는 신경망을 훈련시키는 방법을 보여줍니다. - Train Sequence Classification Network Using Custom Training Loop
This example shows how to train a network that classifies sequences with a custom learning rate schedule. - Specify Training Options in Custom Training Loop
Learn how to specify common training options in a custom training loop. - Define Model Loss Function for Custom Training Loop
Learn how to define a model loss function for a custom training loop. - Update Batch Normalization Statistics in Custom Training Loop
This example shows how to update the network state in a custom training loop. - dlnetwork 객체를 사용하여 예측하기
이 예제에서는 미니 배치를 순회하는 방식으로dlnetwork객체를 사용하여 예측을 수행하는 방법을 보여줍니다. - Monitor Custom Training Loop Progress
Track and plot custom training loop progress. - Compare Custom Solvers Using Custom Training Loop
This example shows how to train a deep learning network with different custom solvers and compare their accuracies. - 다중 입력 및 다중 출력 신경망
다중 입력값이나 다중 출력값을 갖는 딥러닝 신경망을 정의하고 훈련시키는 방법을 알아봅니다. - 여러 개의 출력값을 갖는 신경망 훈련시키기
이 예제에서는 손으로 쓴 숫자의 레이블과 회전 각도를 모두 예측하는, 여러 개의 출력값을 갖는 딥러닝 신경망을 훈련시키는 방법을 보여줍니다. - Train Network in Parallel with Custom Training Loop
This example shows how to set up a custom training loop to train a network in parallel. - Run Custom Training Loops on a GPU and in Parallel
Speed up custom training loops by running on a GPU, in parallel using multiple GPUs, or on a cluster. - Detect Issues During Deep Neural Network Training
This example shows how to automatically detect issues while training a deep neural network. - Speed Up Deep Neural Network Training
Learn how to accelerate deep neural network training.
자동 미분
- Automatic Differentiation Background
Learn how automatic differentiation works. - Deep Learning Data Formats
Learn about deep learning data formats. - List of Functions with dlarray Support
View the list of functions that supportdlarrayobjects. - Use Automatic Differentiation In Deep Learning Toolbox
How to use automatic differentiation in deep learning.
생성적 적대 신경망
- 생성적 적대 신경망(GAN) 훈련시키기
이 예제에서는 생성적 적대 신경망을 훈련시켜서 영상을 생성하는 방법을 보여줍니다. - 조건부 생성적 적대 신경망(CGAN) 훈련시키기
이 예제에서는 조건부 생성적 적대 신경망을 훈련시켜서 영상을 생성하는 방법을 보여줍니다. - Train Wasserstein GAN with Gradient Penalty (WGAN-GP)
This example shows how to train a Wasserstein generative adversarial network with a gradient penalty (WGAN-GP) to generate images.
그래프 신경망
- Multivariate Time Series Anomaly Detection Using Graph Neural Network
This example shows how to detect anomalies in multivariate time series data using a graph neural network (GNN). - Node Classification Using Graph Convolutional Network
This example shows how to classify nodes in a graph using a graph convolutional network (GCN). - Multilabel Graph Classification Using Graph Attention Networks
This example shows how to classify graphs that have multiple independent labels using graph attention networks (GATs).
딥러닝 함수 가속
- Deep Learning Function Acceleration for Custom Training Loops
Accelerate model functions and model loss functions for custom training loops by caching and reusing traces. - Accelerate Custom Training Loop Functions
This example shows how to accelerate deep learning custom training loop and prediction functions. - 가속화된 딥러닝 함수의 출력값 검사하기
이 예제에서는 가속화된 함수의 출력값이 기본 함수의 출력값과 일치하는지 검사하는 방법을 보여줍니다. - Evaluate Performance of Accelerated Deep Learning Function
This example shows how to evaluate the performance gains of using an accelerated function.
관련 정보
추천 예제
Generate Images Using Diffusion
Generate new images using a diffusion model.
변분 오토인코더(VAE)를 훈련시켜 영상 생성하기
이 예제에서는 딥러닝 변분 오토인코더(VAE)를 훈련시켜 영상을 생성하는 방법을 보여줍니다.
Train Fast Style Transfer Network
Train a network to transfer the style of an image to a second image. It is based on the architecture defined in [1].
Train a Twin Network for Dimensionality Reduction
Train a twin neural network with shared weights to compare handwritten digits using dimensionality reduction.
Train Bayesian Neural Network
Train a Bayesian neural network (BNN) for image regression using Bayes by Backpropagation.
Train Image Classification Network Robust to Adversarial Examples
Train a neural network that is robust to adversarial examples using fast gradient sign method (FGSM) adversarial training.
Train Robust Deep Learning Network with Jacobian Regularization
Train a neural network that is robust to adversarial examples using a Jacobian regularization scheme.
Train a Twin Neural Network to Compare Images
Train a twin neural network with shared weights to identify similar images of handwritten characters.
Train Network Using Cyclical Learning Rate for Snapshot Ensembling
Train a network to classify images of objects using a cyclical learning rate schedule and snapshot ensembling for better test accuracy. In the example, you learn how to use a cosine function for the learning rate schedule, take snapshots of the network during training to create a model ensemble, and add L2-norm regularization (weight decay) to the training loss.
Train Network Using Federated Learning
Train a network using federated learning. Federated learning is a technique that enables you to train a network in a distributed, decentralized way [1].
Image Captioning Using Attention
Train a deep learning model for image captioning using attention.
