Main Content

La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.

Boucles d’apprentissage personnalisées

Personnaliser les boucles d’apprentissage du Deep Learning et les fonctions de perte

Si la fonction trainingOptions ne propose pas les options d’apprentissage dont vous avez besoin pour votre tâche ou que les couches de sortie personnalisées ne supportent pas les fonctions de perte dont vous avez besoin, vous pouvez définir une boucle d’apprentissage personnalisée. Si un modèle ne peut pas être spécifié comme un réseau de couches, vous pouvez le définir comme une fonction. Pour en savoir plus, veuillez consulter Define Custom Training Loops, Loss Functions, and Networks.

Fonctions

développer tout

dlnetworkDeep learning neural network
imagePretrainedNetworkPretrained neural network for images (depuis R2024a)
resnetNetwork2-D residual neural network (depuis R2024a)
resnet3dNetwork3-D residual neural network (depuis R2024a)
addLayersAdd layers to neural network
removeLayersRemove layers from neural network
replaceLayerReplace layer in neural network
connectLayersConnect layers in neural network
disconnectLayersDisconnect layers in neural network
addInputLayerAdd input layer to network (depuis R2022b)
initializeInitialize learnable and state parameters of a dlnetwork (depuis R2021a)
networkDataLayoutDeep learning network data layout for learnable parameter initialization (depuis R2022b)
setL2FactorSet L2 regularization factor of layer learnable parameter
getL2FactorGet L2 regularization factor of layer learnable parameter
setLearnRateFactorSet learn rate factor of layer learnable parameter
getLearnRateFactorGet learn rate factor of layer learnable parameter
plotPlot neural network architecture
summaryImprimer la synthèse d'un réseau (depuis R2022b)
analyzeNetworkAnalyze deep learning network architecture
checkLayerCheck validity of custom or function layer
isequalCheck equality of neural networks (depuis R2021a)
isequalnCheck equality of neural networks ignoring NaN values (depuis R2021a)
forwardCompute deep learning network output for training
predictCompute deep learning network output for inference
adamupdateUpdate parameters using adaptive moment estimation (Adam)
rmspropupdate Update parameters using root mean squared propagation (RMSProp)
sgdmupdate Update parameters using stochastic gradient descent with momentum (SGDM)
lbfgsupdateUpdate parameters using limited-memory BFGS (L-BFGS) (depuis R2023a)
lbfgsStateState of limited-memory BFGS (L-BFGS) solver (depuis R2023a)
dlupdate Update parameters using custom function
trainingProgressMonitorMonitor and plot training progress for deep learning custom training loops (depuis R2022b)
updateInfoUpdate information values for custom training loops (depuis R2022b)
recordMetricsRecord metric values for custom training loops (depuis R2022b)
groupSubPlotGroup metrics in training plot (depuis R2022b)
padsequencesPad or truncate sequence data to same length (depuis R2021a)
minibatchqueueCreate mini-batches for deep learning (depuis R2020b)
onehotencodeEncode data labels into one-hot vectors (depuis R2020b)
onehotdecodeDecode probability vectors into class labels (depuis R2020b)
nextObtain next mini-batch of data from minibatchqueue (depuis R2020b)
resetReset minibatchqueue to start of data (depuis R2020b)
shuffleShuffle data in minibatchqueue (depuis R2020b)
hasdataDetermine if minibatchqueue can return mini-batch (depuis R2020b)
partitionPartition minibatchqueue (depuis R2020b)
dlarrayDeep learning array for customization
dlgradientCompute gradients for custom training loops using automatic differentiation
dlfevalEvaluate deep learning model for custom training loops
dimsÉtiquettes des dimensions de dlarray
finddimFind dimensions with specified label
stripdimsRemove dlarray data format
extractdataExtract data from dlarray
isdlarrayCheck if object is dlarray (depuis R2020b)
crossentropyCross-entropy loss for classification tasks
l1lossL1 loss for regression tasks (depuis R2021b)
l2lossL2 loss for regression tasks (depuis R2021b)
huberHuber loss for regression tasks (depuis R2021a)
mseHalf mean squared error
ctcConnectionist temporal classification (CTC) loss for unaligned sequence classification (depuis R2021a)
dlaccelerateAccelerate deep learning function for custom training loops (depuis R2021a)
AcceleratedFunctionAccelerated deep learning function (depuis R2021a)
clearCacheClear accelerated deep learning function trace cache (depuis R2021a)

Rubriques

Boucles d’apprentissage personnalisées

Différenciation automatique

Accélération des fonctions de Deep Learning

Informations connexes

Exemples présentés