dlfeval

评估的定制培训圈深度学习模型

折叠所有页面

句法

[Y1，...，YK] = dlfeval（乐趣，X1，...，xn）映射

描述

用dlfeval以评估定制培训环路自定义深层的学习模式。

小费

对于大多数深学习任务，你可以使用预训练网络，并使其适应自己的数据。有关说明如何使用传输学习再培训卷积神经网络，一组新的图片进行分类示例，请参见火车深学习网络分类新形象。或者，你可以创建和使用从头开始培训网络layerGraph与对象trainNetwork和trainingOptions功能。

如果trainingOptions功能不提供培训选项，你需要为你的任务，那么你可以创建一个使用自动分化定制培训圈。要了解更多信息，请参阅定义自定义培训循环。

例

[ÿ1，...，YK] = dlfeval（开玩笑，X1，...，XN）评估深学习数组函数开玩笑在输入参数X1，...，Xñ。功能传递给dlfeval可以包含通话dlgradient，其计算梯度从输入端X通过使用自动的分化。

例子

全部收缩

开立真实脚本

的ROSENBROCK的功能是优化标准的测试功能。该rosenbrock.m辅助函数计算功能值，并使用自动微分来计算其梯度。

类型rosenbrock.m
函数[Y，dydx] =的ROSENBROCK（X）Y = 100 *（X（2） -  X（1）^ 2）^ 2 +（1  -  X（1））^ 2。。。;dydx = dlgradient（Y，X）;结束

要在点评估的ROSENBROCK的功能及其梯度[-1,2]， 创建一个dlarray点，然后调用dlfeval在功能手柄@rosenbrock。

X0 = dlarray（[ -  1,2]）;[FVAL，gradval] = dlfeval（@的ROSENBROCK，X0）
FVAL = 1×1 dlarray 104
gradval = 1×2 dlarray 396 200

可替换地，限定的ROSENBROCK的功能的两个输入的功能，X1和X2。

类型rosenbrock2.m
函数[Y，dydx1，dydx2] = rosenbrock2（X1，X2）Y = 100 *（。X2  -  X1 ^ 2）^ 2 +（1  -  X1）^ 2。。。;[dydx1，dydx2] = dlgradient（Y，X1，X2）;结束

呼叫dlfeval评估rosenbrock2两dlarray表示的输入参数-1和2。

X1 = dlarray（-1）;X2 = dlarray（2）;[FVAL，dydx1，dydx2] = dlfeval（@ rosenbrock2，X1，X2）
FVAL = 1×1 dlarray 104
dydx1 = 1×1 dlarray 396
dydx2 = 1×1 dlarray 200

剧情的Rosenbrock函数的梯度在单位正方形的几个点。首先，初始化表示评价点和函数的输出的阵列。

[X1 X2] = meshgrid（linspace（0,1,10））;X1 = dlarray（X1（:)）;X2 = dlarray（X2（:)）;Y = dlarray（零（大小（X1）））;DYDX1 = Y;DYDX2 = Y;

评估在一个循环的功能。绘制使用结果颤动。

对于I = 1：长度（X1）[Y（i）中，DYDX1（i）中，DYDX2（I）] = dlfeval（@ rosenbrock2，X1（i）中，X 2（I））;结束颤动（ExtractData由（X1），ExtractData由（X2），ExtractData由（DYDX1），ExtractData由（DYDX2））xlabel（'X1'）ylabel（'X2'）

输入参数

全部收缩

功能评估，指定为函数句柄。如果开玩笑包括dlgradient打电话，然后dlfeval评估通过使用自动微分梯度。在此梯度的评价，对每个参数dlgradient电话必须是dlarray或含有一个单元阵列，结构或表dlarray。的输入参数的数量dlfeval必须是相同的作为输入参数的数目开玩笑。

例：@rosenbrock

数据类型：function_handle

函数的参数，指定为任何MATLAB数据类型。

输入参数Xj为分化的变量在dlgradient呼叫必须被跟踪dlarray或一个单元阵列，结构，或包含表一个跟踪dlarray。一个额外的变量，诸如超参数或恒定数据阵列不必是dlarray。

例：dlarray（[1 2 3 4]）

数据类型：单|双|INT8|INT16|INT32|Int64的|UINT8|UINT16|UINT32|UINT64|合乎逻辑|烧焦|串|结构|表|细胞|function_handle|明确的|约会时间|持续时间|calendarDuration|科幻

输出参数

全部收缩

函数输出，返回任何数据类型。如果输出从结果dlgradient调用时，输出是一个dlarray。

提示

  • 一个dlgradient电话必须是一个函数里面。为了获得一个梯度的数值，必须使用评价功能dlfeval和函数参数必须是一个dlarray。看到使用自动分化深度学习工具箱。

  • dlgradient不支持更高阶导数。万博1manbetx换句话说，你不能越过的输出dlgradient打电话到另一个dlgradient呼叫。

  • 为了使梯度的正确评价，功能开玩笑必须使用仅支持的功能万博1manbetxdlarray。看到与dlarray支持功能列表万博1manbetx。

也可以看看

|

主题

介绍了在R2019b

深度学习工具箱文档
万博1manbetx
用MATLAB引入深度学习

用MATLAB引入深度学习

下载电子书