이 예제에서는 병렬 훈련에 대한 MATLAB 자동 지원을 사용하여 컨벌루션 신경망을 훈련시키는 방법을 보여줍니다. 딥러닝 훈련에는 종종 몇 시간이나 며칠이 소요됩니다. 병렬 연산을 사용하면 로컬에서 또는 클라우드에 있는 클러스터에서 여러 개의 GPU(그래픽 처리 장치)를 사용하여 훈련 속도를 높일 수 있습니다. 복수의 GPU가 장착된 컴퓨터를 사용하는 경우에는 이 예제를 데이터의 로컬 복사본에 대해 실행할 수 있습니다. 리소스를 더 많이 사용하고 싶다면 딥러닝 훈련을 클라우드로 확장할 수 있습니다. 병렬 훈련 옵션에 대해 알아보려면 Scale Up Deep Learning in Parallel, on GPUs, and in the Cloud 항목을 참조하십시오. 이 예제에서는 MATLAB 자동 병렬 지원을 사용하여 클라우드에 있는 클러스터에서 딥러닝 신경망을 훈련시키는 방법을 보여줍니다.

Use multiple GPUs on your local machine for deep learning training using automatic parallel support.

Train a deep learning network for classification using Experiment Manager.

Train a deep learning network for regression using Experiment Manager.

Run multiple deep learning experiments on your local machine. Using this example as a template, you can modify the network layers and training options to suit your specific application needs. You can use this approach with a single or multiple GPUs. If you have a single GPU, the networks train one after the other in the background. The approach in this example enables you to continue using MATLAB® while deep learning experiments are in progress.

이 예제에서는 parfor 루프를 사용하여 훈련 옵션에 대해 파라미터 스윕을 수행하는 방법을 보여줍니다.

이 예제에서는 parfeval을 사용하여 딥러닝 신경망에 대한 신경망 아키텍처의 심도를 기반으로 파라미터 스윕을 수행하고 훈련 중에 데이터를 가져오는 방법을 보여줍니다.

이 예제에서는 데이터를 Amazon S3 버킷으로 업로드하는 방법을 보여줍니다.

Set up a custom training loop to train a network in parallel. In this example, parallel workers train on portions of the overall mini-batch. If you have a GPU, then training happens on the GPU. During training, a DataQueue object sends training progress information back to the MATLAB client.

Train a network using federated learning. Federated learning is a technique that enables you to train a network in a distributed, decentralized way [1].

이 예제에서는 계속해서 작업을 진행하거나 훈련 중에 MATLAB을 닫을 수 있도록 딥러닝 훈련 일괄 처리 작업을 클러스터로 보내는 방법을 보여줍니다.

Train a deep learning network in the cloud using MATLAB® on an Amazon EC2® instance.

Train your deep learning model with training data stored in an Amazon S3™ Bucket and save the trained model to the cloud.

Fine-tune your deep learning network by using Experiment Manager in the cloud. Make use of multiple NVIDIA® high-performance GPUs on an AWS® EC2 instance to run multiple experiments in parallel. Tune the hyperparameters of your network and try different network architectures. You can sweep through a range of hyperparameters automatically and save the results for each variation. Compare the results of your experiments to find the best network.