Diferenciación automática
Para la mayor parte de las tareas, puede usar capas integradas. Si no hay una capa integrada que necesita para la tarea, puede definir su propia capa personalizada. Puede definir capas personalizadas con parámetros que se puedan aprender y de estado. Después de definir una capa personalizada, puede comprobar que es válida y compatible con la GPU, y que devuelve como salida gradientes correctamente definidos. Para obtener una lista de capas compatibles, consulte Lista de capas de deep learning.
Si la función trainingOptions
no proporciona las opciones de entrenamiento que necesita para la tarea o tiene una función de pérdida que la función trainnet
no admite, puede definir un bucle de entrenamiento personalizado. Para los modelos que no se pueden especificar como redes de capas, puede definir el modelo como una función. Para obtener más información, consulte Define Custom Training Loops, Loss Functions, and Networks.
Categorías
- Capas personalizadas
Defina capas personalizadas de deep learning
- Bucles de entrenamiento personalizados
Personalice bucles de entrenamiento y funciones de pérdida de deep learning
- Operaciones
Desarrollar funciones de deep learning personalizadas