训练生成对抗网络生成images.

Train a network that classifies handwritten digits with a custom learning rate schedule.

通过使用函数而不是图层图或DLNETWORK创建和训练深度学习网络。使用功能的优点是描述各种网络的灵活性。缺点是您必须完成更多步骤并仔细准备数据。此示例使用手写数字的图像，其双重目标是对数字进行分类并确定每个数字的角度。

Train a Siamese network to compare handwritten digits using dimensionality reduction.

Train a Siamese network to identify similar images of handwritten characters.

训练深度学习模型，以使用注意力进行图像字幕。

对具有多个独立标签的文本数据进行分类。

Convert decimal strings to Roman numerals using a recurrent sequence-to-sequence encoder-decoder model with attention.

使用通用时间卷积网络（TCN）对序列数据的每个时间步骤进行分类。

设置一个自定义培训循环以并联训练网络。在此示例中，平行工人在整个迷你批次的部分中进行培训。如果您有GPU，则在GPU上进行培训。在培训期间，数据类型对象将培训进度信息发送回MATLAB客户端。

训练深度学习变异自动编码器（VAE）生成图像。

训练网络使用周期性学习率计划对象对象进行分类，并将快照结合起来，以提高测试准确性。在示例中，您将学习如何在学习率计划中使用余弦功能，在培训期间拍摄网络的快照以创建模型合奏，并在培训损失中添加L2-Norm正则化（重量衰减）。