このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。
深層ニューラル ネットワークの学習
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、関数 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 ラベルまたは数値応答を予測します。
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の詳細については、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。
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。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。
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。実験マネージャーを使用し、実験を並列で実行して異なる学習構成を同時にテストし、学習プロットで進行状況を監視します。
カテゴリ
- 組み込み学習
組み込み学習関数を使用した深層学習ネットワークの学習
- 自動微分を使用したカスタム学習
カスタム学習ループを使用した深層学習ネットワークの学習
- 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
- 実験の管理
複数の初期条件でのネットワークの学習、対話形式での学習オプションの調整、結果の評価
- 並列とクラウド
ローカルまたはクラウドでの複数の GPU を使用した深層学習のスケールアップ、対話形式またはバッチ ジョブによる複数のネットワークの学習
- 関数近似、クラスタリング、および制御
浅層ニューラル ネットワークを使用した回帰、分類、クラスタリング、および非線形動的システムのモデル化の実行
注目の例
分類用のシンプルな深層学習ニューラル ネットワークの作成
この例では、深層学習による分類用のシンプルな畳み込みニューラル ネットワークを作成し、学習を行う方法を説明します。
ディープ ネットワーク デザイナーを使用した転移学習用のネットワークの準備
新しいイメージ分類タスクを学習するように、事前学習済みの深層学習ネットワークを対話形式で微調整する。
深層学習を使用した時系列予測
この例では、長短期記憶 (LSTM) ネットワークを使用して時系列データを予測する方法を説明します。
イメージ分類用の残差ネットワークの学習
この例では、残差結合のある深層学習ニューラル ネットワークを作成し、CIFAR-10 データで学習を行う方法を説明します。残差結合は畳み込みニューラル ネットワーク アーキテクチャでよく使用される要素です。残差結合を使用すると、ネットワークを通じた勾配フローが改善し、より深いネットワークの学習が可能になります。
回帰用の畳み込みニューラル ネットワークの学習
この例では、畳み込みニューラル ネットワークに学習させ、手書きの数字の回転角度を予測する方法を示します。
深層学習を使用したビデオの分類
この例では、事前学習済みのイメージ分類モデルと LSTM ネットワークを組み合わせることによって、ビデオの分類用のネットワークを作成する方法を説明します。
イメージ データおよび特徴データにおけるネットワークの学習
この例では、イメージと特徴の両方の入力データを使用して、手書きの数字を分類するネットワークの学習を行う方法について説明します。
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。
敵対的生成ネットワーク (GAN) の学習
この例では、敵対的生成ネットワークに学習させてイメージを生成する方法を説明します。
高速スタイル転送ネットワークの学習
この例では、あるイメージのスタイルを転送して第 2 のイメージにするネットワークの学習方法を示します。これは、[1] で定義されるアーキテクチャに基づいています。
アテンションを使用したイメージ キャプションの生成
この例では、アテンションを使用したイメージ キャプション生成のために深層学習モデルを学習させる方法を説明します。
拡散を使用したイメージの生成
この例では、拡散モデルを使用して新しいイメージを生成する方法を示します。
チェックポイント ネットワークからの学習の再開
この例では、深層学習ネットワークの学習時にチェックポイント ネットワークを保存する方法と以前に保存したネットワークから学習を再開する方法を説明します。
Try Multiple Pretrained Networks for Transfer Learning
Configure an experiment that replaces layers of different pretrained networks for transfer learning.
Experiment with Weight Initializers for Transfer Learning
Configure an experiment that initializes the weights of convolution and fully connected layers using different weight initializers.
Use Experiment Manager to Train Generative Adversarial Networks (GANs)
Create a custom training experiment to generate images of flowers.
Detect Issues During Deep Neural Network Training
Automatically detect issues while training a deep neural network.
