深度学习调优
编程优化训练选项,从一个检查点恢复训练,调查对手的例子
学习如何设置选项使用trainingOptions功能,请参阅设置参数和卷积神经网络训练。你确定一些好的开始选项后,可以自动扫hyperparameters或尝试使用贝叶斯优化实验管理器。
调查网络健壮性,产生敌对的例子。然后您可以使用快速梯度信号(FGSM)对抗的训练方法训练网络强大的敌对的扰动。
应用程序
| 深层网络设计师 | 设计、可视化和火车深度学习网络 |
功能
trainingOptions |
选择培训深度学习神经网络 |
trainNetwork |
深度学习的神经网络进行训练 |
主题
- 设置参数和卷积神经网络训练
了解如何设置为卷积神经网络训练参数。
- 使用贝叶斯优化深度学习
这个例子展示了如何运用贝叶斯优化深度学习,找到最优网络hyperparameters和卷积神经网络训练选项。
- 火车并行深度学习网络
这个例子展示了如何在本地机器上运行多个深度学习实验。
- 列车网络的使用自定义训练循环
这个例子展示了如何训练网络,把手写的数字和一个定制的学习速率的时间表。
- 比较激活层
这个例子展示了如何比较的准确性与ReLU训练网络,漏水的ReLU ELU,时髦的激活层。
- 生成实验使用深层网络设计师
使用实验管理器来优化网络训练深陷网络的hyperparameters设计师。
- 深度学习技巧和窍门
学习如何提高深度学习网络的准确性。
- 火车健壮的深度与雅可比矩阵正则化学习网络
这个例子展示了如何训练一个神经网络强大的敌对的例子使用雅可比矩阵正则化方案[1]。
- 指定自定义权重的初始化函数
这个例子展示了如何创建一个定制的他体重初始化函数卷积层漏ReLU层紧随其后。
- 比较层重量的初始化
这个例子展示了如何培养深度学习网络与不同重量的初始化。
