ネットワークの構築と学習

シーケンスデータと表形式データのための深層ニューラルネットワークを作成してゼロから学習させる

ネットワークアーキテクチャを定義し、ネットワークにゼロから学習させて、分類タスク、回帰タスク、および予測タスクのための深いネットワークを新しく作成します。

ネットワークアーキテクチャを定義した後、関数 trainingOptions を使用して学習パラメーターを定義できます。その後、trainNetwork または trainnet を使用してネットワークに学習させることができます。学習済みネットワークを使用して、クラスラベルや数値応答の予測、または将来のタイムステップの予測を行います。タスクに必要な学習オプションが関数 trainingOptions に用意されていない場合、または必要な損失関数をカスタム出力層がサポートしていない場合、カスタム学習ループを定義できます。

ニューラルネットワークの学習は、1 つの CPU または GPU か複数の CPU または GPU で行うことも、クラスターまたはクラウドで並列に行うこともできます。1 つの GPU または並列で学習させる場合は、Parallel Computing Toolbox™ が必要です。GPU を使用するには、サポートされている GPU デバイスが必要です (サポートされているデバイスについては、GPU 計算の要件 (Parallel Computing Toolbox)を参照してください)。関数 trainingOptions を使用して、実行環境を指定します。