Differenziazione automatica
È possibile utilizzare i livelli integrati per la maggior parte delle attività. Se non è presente un livello integrato necessario per l’attività, è possibile definire un proprio livello personalizzato. È possibile definire livelli personalizzati con parametri apprendibili e di stato. Dopo aver definito un livello personalizzato, è possibile verificare che il livello sia valido, compatibile con la GPU e che produca gradienti definiti correttamente. Per un elenco dei livelli di supportati, vedere List of Deep Learning Layers.
Se la funzione trainingOptions
non fornisce le opzioni di addestramento necessarie per l'attività o se è presente una funzione di perdita non supportata dalla funzione trainnet
, è possibile definire un loop di addestramento personalizzato. Per i modelli che non possono essere specificati come reti di livelli, è possibile definire il modello come funzione. Per saperne di più, vedere Define Custom Training Loops, Loss Functions, and Networks.
Argomenti visualizzati di frequente
Categorie
- Livelli personalizzati
Definire i livelli personalizzati di Deep Learning
- Personalizzazione dei loop di addestramento
Personalizzare i loop di addestramento Deep Learning e le funzioni di perdita
- Operazioni
Sviluppare funzioni di Deep Learning personalizzate