Addestramento di reti neurali profonde
Dopo aver definito l'architettura della rete, è possibile definire i parametri di addestramento utilizzando la funzione trainingOptions
. È quindi possibile addestrare la rete utilizzando la funzione trainnet
. Utilizzare la rete addestrata per prevedere le etichette delle classi o le risposte numeriche.
È possibile addestrare una rete neurale su una CPU, una GPU, più CPU o GPU, oppure in parallelo su un cluster o nel cloud. L'addestramento su GPU o in parallelo richiede Parallel Computing Toolbox™. L’utilizzo di una GPU richiede un dispositivo GPU supportato (per informazioni sui dispositivi supportati, vedere GPU Computing Requirements (Parallel Computing Toolbox)). Specificare l’ambiente di esecuzione utilizzando la funzione trainingOptions
.
Se la funzione trainingOptions
non fornisce le opzioni di addestramento necessarie per l’attività, o se i livelli di output non supportano le funzioni di perdita necessarie, 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.
Categorie
- Addestramento integrato
Addestrare reti di Deep Learning con le funzioni di addestramento integrate
- Personalizzazione dei loop di addestramento
Addestrare reti di Deep Learning utilizzando loop di addestramento personalizzati