심층 신경망 훈련시키기
신경망 아키텍처를 정의한 후에 trainingOptions 함수를 사용하여 훈련 파라미터를 정의할 수 있습니다. 그런 다음 trainnet 함수를 사용하여 신경망을 훈련시킬 수 있습니다. 훈련된 신경망을 사용하여 클래스 레이블이나 숫자형 응답 변수를 예측합니다.
한 개의 CPU, 한 개의 GPU, 여러 개의 CPU나 GPU, 또는 클러스터나 클라우드에서 병렬로 신경망을 훈련시킬 수 있습니다. GPU에서 또는 병렬로 훈련시키려면 Parallel Computing Toolbox™가 필요합니다. GPU를 사용하려면 지원되는 GPU 장치가 필요합니다. (지원되는 장치에 대한 자세한 내용은 GPU 연산 요구 사항 (Parallel Computing Toolbox) 항목을 참조하십시오.) trainingOptions 함수를 사용해서 실행 환경을 지정하십시오.
trainingOptions 함수가 작업에 필요한 훈련 옵션을 제공하지 않거나 사용자 지정한 출력 계층이 필요한 손실 함수를 지원하지 않을 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.
유용한 시작 옵션을 식별한 후에는 하이퍼파라미터의 스윕을 자동화하거나 실험 관리자를 사용하여 베이즈 최적화를 시도할 수 있습니다. 실험 관리자를 사용하여 실험을 병렬로 실행하여 여러 훈련 구성을 동시에 테스트하고 훈련 플롯을 사용하여 진행 상황을 모니터링합니다.
카테고리
- 기본 제공 훈련
기본 제공 훈련 함수를 사용하여 딥러닝 신경망 훈련
- 자동 미분을 사용한 사용자 지정 훈련
사용자 지정 훈련 루프를 사용하여 딥러닝 신경망 훈련
- 조정
프로그래밍 방식으로 훈련 옵션 조정, 검사 지점에서 훈련 재개, 적대적 표본 조사
- 실험 관리하기
여러 초기 조건하에서 신경망 훈련, 훈련 옵션을 대화형 방식으로 조정, 결과 평가
- 병렬 연산 및 클라우드
로컬에서 여러 GPU를 사용하거나 클라우드를 사용하여 딥러닝을 확장하고, 여러 신경망을 대화형 방식이나 일괄 처리 작업으로 훈련시킵니다.
- 함수 근사, 군집화 및 제어
얕은 신경망을 사용하여 회귀, 분류, 군집화 수행 및 비선형 동적 시스템 모델링
추천 예제
분류를 수행하는 간단한 딥러닝 신경망 만들기
이 예제에서는 딥러닝 분류를 수행하는 간단한 컨벌루션 신경망을 만들고 훈련시키는 방법을 보여줍니다.
심층 신경망 디자이너를 사용하는 전이 학습을 위해 신경망 준비하기
사전 훈련된 딥러닝 신경망이 새로운 영상 분류 작업을 학습하도록 대화형 방식으로 미세 조정합니다.
딥러닝을 사용한 시계열 전망
이 예제에서는 장단기 기억(LSTM) 신경망을 사용하여 시계열 데이터를 전망하는 방법을 보여줍니다.
영상 분류를 위해 잔차 신경망 훈련시키기
이 예제에서는 잔차 연결을 사용하여 딥러닝 신경망을 만들고 CIFAR-10 데이터에 대해 훈련시키는 방법을 보여줍니다. 잔차 연결은 컨벌루션 신경망 아키텍처에서 자주 사용되는 요소입니다. 잔차 연결을 사용하면 신경망의 기울기 흐름이 향상되고 보다 심층의 신경망을 훈련시킬 수 있습니다.
회귀를 위해 컨벌루션 신경망 훈련시키기
이 예제에서는 손으로 쓴 숫자의 회전 각도를 예측하는 컨벌루션 신경망을 훈련시키는 방법을 보여줍니다.
딥러닝을 사용하여 비디오 분류하기
이 예제에서는 사전 훈련된 영상 분류 모델과 LSTM 신경망을 결합하여 비디오를 분류하는 신경망을 만드는 방법을 보여줍니다.
영상 데이터와 특징 데이터로 신경망 훈련시키기
이 예제에서는 영상과 특징 입력 데이터를 모두 사용하여 손으로 쓴 숫자를 분류하는 신경망을 훈련시키는 방법을 보여줍니다.
사용자 지정 훈련 루프를 사용하여 신경망 훈련시키기
이 예제에서는 사용자 지정 학습률 조정 계획을 사용하여 손으로 쓴 숫자를 분류하는 신경망을 훈련시키는 방법을 보여줍니다.
생성적 적대 신경망(GAN) 훈련시키기
이 예제에서는 생성적 적대 신경망을 훈련시켜서 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].
Image Captioning Using Attention
Train a deep learning model for image captioning using attention.
Generate Images Using Diffusion
Generate new images using a diffusion model.
검사 지점 신경망에서 훈련 재개하기
이 예제에서는 딥러닝 신경망을 훈련시킬 때 검사 지점 신경망을 저장하고 이전에 저장한 신경망에서 훈련을 재개하는 방법을 보여줍니다.
Try Multiple Pretrained Networks for Transfer Learning
Configure an experiment that replaces layers of different pretrained networks for transfer learning.
Experiment with Weight Initializers for Transfer Learning
Configure an experiment that initializes the weights of convolution and fully connected layers using different weight initializers.
Use Experiment Manager to Train Generative Adversarial Networks (GANs)
Create a custom training experiment to generate images of flowers.
Detect Issues During Deep Neural Network Training
Automatically detect issues while training a deep neural network.
