カスタム学習ループ

シーケンスデータと表形式データのため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
`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)
`padsequences`	Pad or truncate sequence data to same length (R2021a 以降)
`dlarray`	カスタマイズ用の深層学習配列
`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
`dlfeval`	カスタム学習ループ用の深層学習モデルの評価

損失演算

`crossentropy`	分類タスク用のクロスエントロピー損失
`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
`ctc`	Connectionist temporal classification (CTC) loss for unaligned sequence classification (R2021a 以降)

深層学習の操作

`dlconv`	Deep learning convolution
`dltranspconv`	Deep learning transposed convolution
`lstm`	長短期記憶
`gru`	ゲート付き回帰型ユニット (R2020a 以降)
`attention`	Dot-product attention (R2022b 以降)
`embed`	Embed discrete data (R2020b 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
`dlode45`	Deep learning solution of nonstiff ordinary differential equation (ODE) (R2021b 以降)
`batchnorm`	Normalize data across all observations for each channel independently
`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
`maxpool`	Pool data to maximum value
`maxunpool`	最大プーリング演算の出力の逆プーリング

活性化

`relu`	正規化線形ユニット活性化の適用
`leakyrelu`	漏洩 (leaky) 正規化線形ユニット活性化の適用
`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
`sigmoid`	シグモイド活性化の適用

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。
Train Sequence Classification Network Using Custom Training Loop
This example shows how to train a network that classifies sequences with a custom learning rate schedule.
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.
ニューラル ODE ネットワークの学習
この例では、拡張ニューラル常微分方程式 (ODE) ネットワークに学習させる方法を示します。
ニューラルネットワークを使用した常微分方程式の求解
この例では、ニューラルネットワークを使用して常微分方程式 (ODE) を解く方法を示します。
Speed Up Deep Neural Network Training
Learn how to accelerate deep neural network training.

自動微分

Create Bidirectional LSTM (BiLSTM) Function
This example shows how to create a bidirectional long-short term memory (BiLSTM) function for custom deep learning functions. (R2023b 以降)
dlarray をサポートする関数の一覧
dlarray オブジェクトをサポートする関数の一覧を表示します。
自動微分の背景
自動微分の機能を学びます。
Deep Learning Toolbox での自動微分の使用
深層学習での自動微分の使用方法を示します。