Main Content

La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Bucles de entrenamiento personalizados

Personalice bucles de entrenamiento y funciones de pérdida de deep learning para datos de secuencia y en tablas.

Si la función trainingOptions no proporciona las opciones de entrenamiento que necesita para la tarea, o si las capas de salida personalizadas no son compatibles con las funciones de pérdida que necesita, puede definir un bucle de entrenamiento personalizado. Para redes que no se pueden crear mediante gráficas de capa, puede definir redes personalizadas como una función. Para obtener más información, consulte Define Custom Training Loops, Loss Functions, and Networks.

Funciones

expandir todo

dlnetworkDeep learning neural network (desde R2019b)
trainingProgressMonitorMonitor and plot training progress for deep learning custom training loops (desde R2022b)
minibatchqueueCreate mini-batches for deep learning (desde R2020b)
padsequencesPad or truncate sequence data to same length (desde R2021a)
dlarrayArreglo de deep learning para personalización (desde R2019b)
dlgradientCompute gradients for custom training loops using automatic differentiation (desde R2019b)
dlfevalEvaluate deep learning model for custom training loops (desde R2019b)
crossentropyCross-entropy loss for classification tasks (desde R2019b)
l1lossL1 loss for regression tasks (desde R2021b)
l2lossL2 loss for regression tasks (desde R2021b)
huberHuber loss for regression tasks (desde R2021a)
mseHalf mean squared error (desde R2019b)
ctcConnectionist temporal classification (CTC) loss for unaligned sequence classification (desde R2021a)
dlconvDeep learning convolution (desde R2019b)
dltranspconvDeep learning transposed convolution (desde R2019b)
lstmMemoria de corto-largo plazo (desde R2019b)
gruGated recurrent unit (desde R2020a)
attentionDot-product attention (desde R2022b)
embedEmbed discrete data (desde R2020b)
fullyconnectSum all weighted input data and apply a bias (desde R2019b)
dlode45Deep learning solution of nonstiff ordinary differential equation (ODE) (desde R2021b)
batchnormNormalize data across all observations for each channel independently (desde R2019b)
crosschannelnormCross channel square-normalize using local responses (desde R2020a)
groupnormNormalize data across grouped subsets of channels for each observation independently (desde R2020b)
instancenormNormalize across each channel for each observation independently (desde R2021a)
layernormNormalize data across all channels for each observation independently (desde R2021a)
avgpoolPool data to average values over spatial dimensions (desde R2019b)
maxpoolPool data to maximum value (desde R2019b)
maxunpoolUnpool the output of a maximum pooling operation (desde R2019b)
reluAplicar la activación de unidad lineal rectificada (desde R2019b)
leakyreluApply leaky rectified linear unit activation (desde R2019b)
geluApply Gaussian error linear unit (GELU) activation (desde R2022b)
softmaxApply softmax activation to channel dimension (desde R2019b)
sigmoidAplicar la activación sigmoide (desde R2019b)

Temas

Bucles de entrenamiento personalizados

Diferenciación automática