卷积神经网络参数的建立与训练

学习如何设置卷积神经网络的训练参数。

使用贝叶斯优化的深度学习

这个例子展示了如何将贝叶斯优化应用到深度学习中，为卷积神经网络找到最优的网络超参数和训练选项。

并行训练深度学习网络

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。

使用自定义训练循环训练网络

这个例子展示了如何训练一个网络，用一个定制的学习速率计划来分类手写数字。

比较激活层

这个例子展示了如何比较ReLU、leaky ReLU、ELU和swish激活层的训练网络的准确性。

在实验管理器中使用深度网络设计器生成的代码

使用实验管理器来调整在深度网络设计器中训练的网络的超参数。

深度学习技巧

学习如何提高深度学习网络的准确性。

用雅可比正则化训练鲁棒深度学习网络

这个例子展示了如何使用雅可比正则化方案[1]来训练神经网络，使其对对抗的例子具有鲁棒性。

指定自定义权重初始化函数

这个例子展示了如何为卷积层创建自定义权重初始化函数，然后是有漏洞的ReLU层。

比较层权重初始化器

这个例子展示了如何使用不同的权值初始化器来训练深度学习网络。