레거시 신경망 코드를 dlnetwork 워크플로로 전환하기
R2026b레거시 신경망 기능(예: network 객체 관련 기능)은 향후 릴리스에서 제거될 예정입니다. 대신 dlnetwork 객체와 관련 기능을 사용하십시오.
레거시 신경망 객체는 오래되었으며 최신 워크플로에 적합하지 않습니다. 제거되는 기능 중 일부는 R2006a 이전에 도입되었습니다(예: network 객체 및 train 함수). 대신 dlnetwork 객체(R2019b에서 추가됨)와 trainnet 함수(R2023b에서 추가됨) 같은 관련 기능을 사용하는 것이 권장됩니다. 이 경우 다음과 같은 이점이 있습니다.
팁
trainNetwork, SeriesNetwork, DAGNetwork 코드를 dlnetwork 워크플로로 전환하는 방법을 알아보려면 Transition trainNetwork, SeriesNetwork, and DAGNetwork Code to dlnetwork Workflows 항목을 참조하십시오.
테이블 형식 데이터 워크플로의 경우, fitrnet (Statistics and Machine Learning Toolbox) 함수와 fitcnet (Statistics and Machine Learning Toolbox) 함수를 사용하여 신경망을 훈련시키고 dlnetwork 객체로 변환할 수 있습니다.
mdl = fitrnet(X,T); net = dlnetwork(mdl);
다른 유형의 데이터 또는 추가적인 유연성을 원하는 경우 trainingOptions 함수와 trainnet 함수를 사용하여 신경망을 훈련시킬 수 있습니다.
options = trainingOptions("adam"); net = trainnet(X,T,layers,"mse",options);
또는 시계열 모델러, 심층 신경망 디자이너, 회귀 학습기 (Statistics and Machine Learning Toolbox), 분류 학습기 (Statistics and Machine Learning Toolbox)와 같은 앱에서 대화형 방식으로 워크플로를 다시 만든 다음 모델을 내보낼 수 있습니다.

딥러닝 워크플로에 다음 앱을 사용할 수 있습니다.
코드를 업데이트할 때는 일반적으로 예제나 도움말 페이지의 코드를 가져와 자신의 작업에 맞게 조정하는 것이 가장 좋은 방법입니다. 다음 예제를 사용하여 시작할 수 있습니다.
아래 표에는 코드 업데이트를 위한 권장 사항이 나와 있습니다. 자세한 내용은 영향을 받는 기능의 도움말 페이지를 참조하십시오.
참고
이 예제에서 사용하는 훈련 옵션, 모델 아키텍처, 알고리즘은 대부분의 작업에 그대로 사용하거나 조정하여 적용하기에 적합합니다. 더 높은 유연성이 필요하거나 알고리즘을 정확하게 재현해야 하는 경우 사용자 지정 훈련 루프를 구현할 수 있습니다. 사용자 지정 훈련 루프에 대한 자세한 내용은 Custom Training Loops 항목을 참조하십시오.
참고 항목
fitrnet (Statistics and Machine Learning Toolbox) | fitcnet (Statistics and Machine Learning Toolbox) | trainnet | trainingOptions | dlnetwork | 시계열 모델러 | 심층 신경망 디자이너 | 분류 학습기 (Statistics and Machine Learning Toolbox) | 회귀 학습기 (Statistics and Machine Learning Toolbox)