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

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 los modelos no admitidos por las gráficas de capa, puede definir un modelo personalizado como una función. Para obtener más información, consulte Define Custom Training Loops, Loss Functions, and Networks.

Funciones

expandir todo

dlnetworkDeep learning network for custom training loops (desde R2019b)
resetStateReset state parameters of neural network
plotRepresentar una arquitectura de red neuronal
addInputLayerAdd input layer to network (desde R2022b)
addLayersAdd layers to layer graph or network
removeLayersRemove layers from layer graph or network
connectLayersConnect layers in layer graph or network
disconnectLayersDisconnect layers in layer graph or network
replaceLayerReplace layer in layer graph or network
summaryImprimir un resumen de la red (desde R2022b)
initializeInitialize learnable and state parameters of a dlnetwork (desde R2021a)
networkDataLayoutDeep learning network data layout for learnable parameter initialization (desde R2022b)
layerGraphGráfica de capas de red de deep learning
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
forwardCompute deep learning network output for training (desde R2019b)
predictCompute deep learning network output for inference (desde R2019b)
adamupdateUpdate parameters using adaptive moment estimation (Adam) (desde R2019b)
rmspropupdate Update parameters using root mean squared propagation (RMSProp) (desde R2019b)
sgdmupdate Update parameters using stochastic gradient descent with momentum (SGDM) (desde R2019b)
lbfgsupdateUpdate parameters using limited-memory BFGS (L-BFGS) (desde R2023a)
lbfgsStateState of limited-memory BFGS (L-BFGS) solver (desde R2023a)
dlupdate Update parameters using custom function (desde R2019b)
trainingProgressMonitorMonitor and plot training progress for deep learning custom training loops (desde R2022b)
updateInfoUpdate information values for custom training loops (desde R2022b)
recordMetricsRecord metric values for custom training loops (desde R2022b)
groupSubPlotGroup metrics in training plot (desde R2022b)
padsequencesPad or truncate sequence data to same length (desde R2021a)
minibatchqueueCreate mini-batches for deep learning (desde R2020b)
onehotencodeEncode data labels into one-hot vectors (desde R2020b)
onehotdecodeDecode probability vectors into class labels (desde R2020b)
nextObtain next mini-batch of data from minibatchqueue (desde R2020b)
resetReset minibatchqueue to start of data (desde R2020b)
shuffleShuffle data in minibatchqueue (desde R2020b)
hasdataDetermine if minibatchqueue can return mini-batch (desde R2020b)
partitionPartition minibatchqueue (desde R2020b)
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)
dimsEtiquetas de dimensión de dlarray (desde R2019b)
finddimFind dimensions with specified label (desde R2019b)
stripdimsRemove dlarray data format (desde R2019b)
extractdataExtraer datos de dlarray (desde R2019b)
isdlarrayCheck if object is dlarray (desde R2020b)
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)
dlaccelerateAccelerate deep learning function for custom training loops (desde R2021a)
AcceleratedFunctionAccelerated deep learning function (desde R2021a)
clearCacheClear accelerated deep learning function trace cache (desde R2021a)

Temas

Bucles de entrenamiento personalizados

Diferenciación automática

Aceleración de funciones de deep learning

Información relacionada