Main Content

このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。

深層学習の調整

プログラムによる学習オプションの調整、チェックポイントからの学習の再開、敵対的サンプルの調査

関数 trainingOptions を使用してオプションを設定する方法については、パラメーターの設定と畳み込みニューラル ネットワークの学習を参照してください。適切な開始オプションを指定した後、実験マネージャーを使用してハイパーパラメーターの自動スイープまたはベイズ最適化を行えます。

敵対的サンプルを生成して、ネットワークのロバスト性を調査します。その後、Fast Gradient Sign Method (FGSM) による敵対的学習を使用し、敵対的摂動に対してロバストなネットワークに学習させます。

アプリ

ディープ ネットワーク デザイナー深層学習ネットワークの設計、可視化、および学習

関数

trainingOptions深層学習ニューラル ネットワークの学習のオプション
trainNetwork深層学習用のニューラル ネットワークの学習

トピック

パラメーターの設定と畳み込みニューラル ネットワークの学習

畳み込みニューラル ネットワークの学習パラメーターの設定方法を学習します。

ベイズ最適化を使用した深層学習

この例では、深層学習にベイズ最適化を適用して、畳み込みニューラル ネットワークに最適なネットワーク ハイパーパラメーターと学習オプションを求める方法を説明します。

深層学習ネットワークの並列学習

この例では、ローカル マシンで複数の深層学習実験を実行する方法を説明します。

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。

Compare Activation Layers

This example shows how to compare the accuracy of training networks with ReLU, leaky ReLU, ELU, and swish activation layers.

Adapt Code Generated in Deep Network Designer for Use in Experiment Manager

Use Experiment Manager to tune the hyperparameters of a network trained in Deep Network Designer.

深層学習のヒントとコツ

深層学習ネットワークの精度を改善する方法を学習します。

Train Robust Deep Learning Network with Jacobian Regularization

This example shows how to train a neural network that is robust to adversarial examples using a Jacobian regularization scheme [1].

関連情報

注目の例