训练卷积神经网络，使用MATLAB自动支持并行训练。深度学习培训通常需要数小时或数天的时间。通过并行计算，您可以在本地或万博1manbetx云中的集群中使用多个图形处理单元（GPU）加速培训。如果您可以访问具有多个GPU的计算机，则可以在数据的本地副本上完成此示例。如果您想使用更多资源，那么您可以将深度学习培训扩展到云端。要了解有关并行培训选项的更多信息，请参阅在并行和云中扩展深度学习。此示例指导您完成使用MATLAB自动并行支持在云中的集群中培训深度学习网络的步骤。

在本地机器上使用多个GPU，使用自动并行支持进行深入学习培训。培训深度学习网络通常需要数小时或数天的时间。通过并行计算，您可以使用多个GPU加速训练。要了解有关并行培训选项的更多信息，万博1manbetx请参阅在并行和云中扩展深度学习。

使用实验管理器训练深度学习网络进行分类。

使用实验管理器为回归训练深度学习网络。

在本地机器上运行多个深度学习实验。使用此示例作为模板，您可以修改网络层和培训选项，以满足特定的应用程序需要。您可以将此方法用于单个或多个GPU。如果您只有一个GPU，网络会在后台一个接一个地训练。本例中的方法使您能够在进行深入学习实验时继续使用MATLAB®。

使用parfor循环对训练选项执行参数扫描。

使用parfeval对深度学习网络的网络架构深度执行参数扫描，并在培训期间检索数据。

将数据上载到AmazonS3存储桶。

建立一个自定义的训练循环来并行地训练网络。在本例中，并行工作人员对整个小批处理的部分进行培训。如果你有一个GPU，那么训练就会在GPU上进行。在培训期间，DataQueue对象将培训进度信息发送回MATLAB客户机。

使用联合学习训练网络。联合学习是一种技术，使您能够以分布式的、去中心化的方式训练网络[1]。

将深度学习培训批处理作业发送到集群，以便您可以在培训期间继续工作或关闭MATLAB。