カスタム学習ループ

イメージネットワーク用の深層学習の学習ループおよび損失関数のカスタマイズ

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、または関数 trainnet がサポートしていない損失関数がある場合は、カスタム学習ループを定義できます。層のネットワークとして指定できないモデルの場合は、モデルを関数として定義できます。詳細については、カスタム学習ループ、損失関数、およびネットワークの定義を参照してください。

関数

すべて展開する

カスタム学習ループ

`dlnetwork`	深層学習ニューラルネットワーク (R2019b 以降)
`trainingProgressMonitor`	Monitor and plot training progress for deep learning custom training loops (R2022b 以降)
`minibatchqueue`	深層学習用のミニバッチの作成 (R2020b 以降)
`dlarray`	カスタマイズ用の深層学習配列 (R2019b 以降)
`dlgradient`	自動微分を使用したカスタム学習ループの勾配の計算 (R2019b 以降)
`dlfeval`	カスタム学習ループ用の深層学習モデルの評価 (R2019b 以降)

損失演算

`crossentropy`	分類タスク用のクロスエントロピー損失 (R2019b 以降)
`l1loss`	L₁ loss for regression tasks (R2021b 以降)
`l2loss`	L₂ loss for regression tasks (R2021b 以降)
`huber`	回帰タスクの Huber 損失 (R2021a 以降)
`mse`	半平均二乗誤差 (R2019b 以降)

深層学習の操作

`dlconv`	Deep learning convolution (R2019b 以降)
`dltranspconv`	Deep learning transposed convolution (R2019b 以降)
`fullyconnect`	すべての重み付き入力データの加算とバイアスの適用 (R2019b 以降)
`batchnorm`	Normalize data across all observations for each channel independently (R2019b 以降)
`crosschannelnorm`	Cross channel square-normalize using local responses (R2020a 以降)
`groupnorm`	Normalize data across grouped subsets of channels for each observation independently (R2020b 以降)
`instancenorm`	Normalize across each channel for each observation independently (R2021a 以降)
`layernorm`	Normalize data across all channels for each observation independently (R2021a 以降)
`avgpool`	Pool data to average values over spatial dimensions (R2019b 以降)
`maxpool`	Pool data to maximum value (R2019b 以降)
`maxunpool`	最大プーリング演算の出力の逆プーリング (R2019b 以降)

活性化

`relu`	正規化線形ユニット活性化の適用 (R2019b 以降)
`leakyrelu`	漏洩 (leaky) 正規化線形ユニット活性化の適用 (R2019b 以降)
`gelu`	Apply Gaussian error linear unit (GELU) activation (R2022b 以降)
`softmax`	チャネル次元へのソフトマックス活性化の適用 (R2019b 以降)
`sigmoid`	シグモイド活性化の適用 (R2019b 以降)

トピック

カスタム学習ループ

MATLAB による深層学習モデルの学習
MATLAB^® で深層学習モデルを学習させる方法を学習する。
カスタム学習ループ、損失関数、およびネットワークの定義
深層学習の学習ループ、損失関数、およびモデルを定義してカスタマイズする方法を学ぶ。
カスタム学習ループを使用したネットワークの学習
この例では、カスタム学習率スケジュールで手書きの数字を分類するネットワークに学習させる方法を示します。
Monitor Custom Training Loop Progress
Track and plot custom training loop progress.
複数の出力をもつネットワークの学習
この例では、手書きの数字のラベルと回転角度の両方を予測する、複数の出力をもつ深層学習ネットワークに学習させる方法を説明します。
Classify Videos Using Deep Learning with Custom Training Loop
This example shows how to create a network for video classification by combining a pretrained image classification model and a sequence classification network.
Train Image Classification Network Robust to Adversarial Examples
This example shows how to train a neural network that is robust to adversarial examples using fast gradient sign method (FGSM) adversarial training.
Speed Up Deep Neural Network Training
Learn how to accelerate deep neural network training.