이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.
조정
R2026atrainingOptions 함수를 사용하여 옵션을 설정하는 방법은 파라미터를 설정하고 컨벌루션 신경망 훈련시키기 항목을 참조하십시오. 유용한 시작 옵션을 식별한 후에는 하이퍼파라미터의 스윕을 자동화하거나 실험 관리자를 사용하여 베이즈 최적화를 시도할 수 있습니다.
적대적 표본을 생성하여 신경망의 견고성을 조사합니다. 그런 다음 FGSM(빠른 기울기 부호 방법) 적대적 훈련을 사용하여 적대적 섭동에 견고한 신경망을 훈련시킬 수 있습니다.
앱
| 심층 신경망 디자이너 | 딥러닝 신경망을 설계하고 시각화합니다 |
객체
trainingProgressMonitor | Monitor and plot training progress for deep learning custom training loops (R2022b 이후) |
함수
trainingOptions | 딥러닝 신경망 훈련 옵션 |
trainnet | 딥러닝 신경망 훈련 (R2023b 이후) |
도움말 항목
- 파라미터를 설정하고 컨벌루션 신경망 훈련시키기
컨벌루션 신경망의 훈련 파라미터를 설정하는 방법을 알아봅니다.
- 베이즈 최적화를 사용한 딥러닝
이 예제에서는 딥러닝에 베이즈 최적화를 적용하여 컨벌루션 신경망을 위한 최적의 신경망 하이퍼파라미터와 훈련 옵션을 찾는 방법을 보여줍니다.
- Detect Issues During Deep Neural Network Training
This example shows how to automatically detect issues while training a deep neural network.
- Train Deep Learning Networks in Parallel
This example shows how to run multiple deep learning experiments on your local machine.
- 사용자 지정 훈련 루프를 사용하여 신경망 훈련시키기
이 예제에서는 사용자 지정 학습률 조정 계획을 사용하여 손으로 쓴 숫자를 분류하는 신경망을 훈련시키는 방법을 보여줍니다.
- Compare Activation Layers
This example shows how to compare the accuracy of training networks with ReLU, leaky ReLU, ELU, and swish activation layers.
- 딥러닝 팁과 요령
딥러닝 신경망의 정확도를 높이는 방법을 알아봅니다.
- Speed Up Deep Neural Network Training
Learn how to accelerate deep neural network training.
- Profile Your Deep Learning Code to Improve Performance
This example shows how to profile deep learning training code to identify and resolve performance issues. (R2024b 이후)
- Specify Custom Weight Initialization Function
This example shows how to create a custom He weight initialization function for convolution layers followed by leaky ReLU layers.
- Compare Layer Weight Initializers
This example shows how to train deep learning networks with different weight initializers.
- Create Custom Deep Learning Training Plot
This example shows how to create a custom training plot that updates at each iteration during training of deep learning neural networks using
trainnet. (R2023b 이후) - Custom Stopping Criteria for Deep Learning Training
This example shows how to stop training of deep learning neural networks based on custom stopping criteria using
trainnet. (R2023b 이후)
관련 정보
추천 예제
검사 지점 신경망에서 훈련 재개하기
이 예제에서는 딥러닝 신경망을 훈련시킬 때 검사 지점 신경망을 저장하고 이전에 저장한 신경망에서 훈련을 재개하는 방법을 보여줍니다.
Generate Untargeted and Targeted Adversarial Examples for Image Classification
Use the fast gradient sign method (FGSM) and the basic iterative method (BIM) to generate adversarial examples for a pretrained neural network.
Generate Adversarial Examples for Semantic Segmentation
Generate adversarial examples for a semantic segmentation network using the basic iterative method (BIM).
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.
