이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.
딥러닝을 위해 신경망 훈련
trainNetwork
를 사용하여 딥러닝 분류 및 회귀 문제에 대해 컨벌루션 신경망(ConvNet, CNN), 장단기 메모리(LSTM) 신경망 또는 양방향 LSTM(BiLSTM) 신경망을 훈련시킬 수 있습니다. 신경망은 CPU 또는 GPU에서 훈련시킬 수 있습니다. 영상 분류 및 영상 회귀의 경우, 여러 개의 GPU를 사용하여 또는 병렬로 훈련시킬 수 있습니다. GPU 옵션, 다중 GPU 옵션, 병렬 옵션을 사용하려면 Parallel
Computing Toolbox™가 필요합니다. 딥러닝을 위해 GPU를 사용하려면 CUDA® 지원 NVIDIA® GPU(Compute Capability 3.0 이상)도 필요합니다. trainingOptions
를 사용하여 실행 환경 옵션을 비롯한 훈련 옵션을 지정합니다.
는 분류 및 회귀 문제를 위해 신경망을 훈련시킵니다. 예측 변수는 net
= trainNetwork(tbl
,responseName
,layers
,options
)tbl
의 첫 번째 열에 있어야 합니다. responseName
인수는 tbl
의 응답 변수를 지정합니다.
[1] Kudo, M., J. Toyama, and M. Shimbo. "Multidimensional Curve Classification Using Passing-Through Regions." Pattern Recognition Letters. Vol. 20, No. 11–13, pp. 1103–1111.
[2] Kudo, M., J. Toyama, and M. Shimbo. Japanese Vowels Data Set. https://archive.ics.uci.edu/ml/datasets/Japanese+Vowels
analyzeNetwork
| assembleNetwork
| classify
| DAGNetwork
| LayerGraph
| predict
| SeriesNetwork
| trainingOptions
| 심층 신경망 디자이너