Apprentissage prédéfini

Entraîner des réseaux de Deep Learning avec des fonctions d’apprentissage prédéfinies

Après avoir défini l’architecture du réseau, vous pouvez définir des paramètres d’apprentissage avec la fonction trainingOptions. Vous pouvez ensuite entraîner le réseau avec la fonction trainnet. Utilisez le réseau entraîné pour prédire des étiquettes de classe ou des réponses numériques.

Applications

Deep Network Designer

Concevoir et visualiser des réseaux de Deep Learning

Fonctions

développer tout

Apprentissage

`dlnetwork`	Deep learning neural network (depuis R2019b)
`trainingOptions`	Options d’un réseau de neurones d’apprentissage pour le Deep Learning
`trainnet`	Train deep learning neural network (depuis R2023b)
`TrainingInfo`	Neural network training information (depuis R2023b)
`show`	Show training information plot (depuis R2023b)
`close`	Close training information plot (depuis R2023b)

Métriques

`accuracyMetric`	Deep learning accuracy metric (depuis R2023b)
`aucMetric`	Deep learning area under ROC curve (AUC) metric (depuis R2023b)
`fScoreMetric`	Deep learning F-score metric (depuis R2023b)
`precisionMetric`	Deep learning precision metric (depuis R2023b)
`recallMetric`	Deep learning recall metric (depuis R2023b)
`rmseMetric`	Deep learning root mean squared error metric (depuis R2023b)

Prédiction

`predict`	Compute deep learning network output for inference (depuis R2019b)
`minibatchpredict`	Mini-batched neural network prediction (depuis R2024a)
`scores2label`	Convert prediction scores to labels (depuis R2024a)
`confusionchart`	Create confusion matrix chart for classification problem
`sortClasses`	Sort classes of confusion matrix chart
`classifyAndUpdateState`	(Not recommended) Classify data using a trained recurrent neural network and update the network state

Rubriques

Créer un réseau de neurones simple de Deep Learning pour la classification
Cet exemple montre comment créer et entraîner un réseau de neurones à convolution simple pour la classification Deep Learning.
Train Convolutional Neural Network for Regression
This example shows how to train a convolutional neural network to predict the angles of rotation of handwritten digits.
Prévision de séries temporelles avec le Deep Learning
Cet exemple montre comment prévoir des données de séries temporelles avec un réseau LSTM (long short-term memory).
Classification de séquences avec le Deep Learning
Cet exemple montre comment classer des données séquentielles avec un réseau LSTM (long short-term memory).
Sequence-to-Sequence Classification Using Deep Learning
This example shows how to classify each time step of sequence data using a long short-term memory (LSTM) network.
Sequence-to-Sequence Regression Using Deep Learning
This example shows how to predict the remaining useful life (RUL) of engines by using deep learning.
Sequence-to-One Regression Using Deep Learning
This example shows how to predict the frequency of a waveform using a long short-term memory (LSTM) neural network.
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. (depuis R2023b)
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. (depuis R2023b)
Speed Up Deep Neural Network Training
Learn how to accelerate deep neural network training.

Exemples présentés

Prepare Network for Transfer Learning Using Deep Network Designer

Interactively fine-tune a pretrained deep learning network to learn a new image classification task.

Ouvrir le live script

Train Network with Numeric Features

Create and train a simple neural network for deep learning feature data classification.

Ouvrir le live script

Train Neural Network with Tabular Data

Train a neural network with tabular data.

Depuis R2023b

Ouvrir le live script

Build Time Series Forecasting Network Using Deep Network Designer

Create a simple long short-term memory (LSTM) network to forecast time series data using the Deep Network Designer app.

Ouvrir le live script

Train Residual Network for Image Classification

Create a deep learning neural network with residual connections and train it on CIFAR-10 data. Residual connections are a popular element in convolutional neural network architectures. Using residual connections improves gradient flow through the network and enables training of deeper networks.

Ouvrir le live script

Train Network on Image and Feature Data

Train a network that classifies handwritten digits using both image and feature input data.

Ouvrir le live script

Multilabel Image Classification Using Deep Learning

Use transfer learning to train a deep learning model for multilabel image classification.

Ouvrir le live script

Build Image-to-Image Regression Network Using Deep Network Designer

Use Deep Network Designer to construct an image-to-image regression network for super resolution.

Ouvrir le live script

Adapt Pretrained Audio Network for New Data Using Deep Network Designer

Interactively adapt a pretrained network to classify new audio signals using Deep Network Designer.

Ouvrir le live script

Classify Videos Using Deep Learning

Create a network for video classification by combining a pretrained image classification model and an LSTM network.

Ouvrir le live script