你可以训练和定制各种深刻的学习模型的方式 - 例如,你可以重新训练与新的数据(传输学习)预训练模式,从头开始训练网络,或者定义一个深度学习模型作为一个功能和使用自定义培训环形。使用此流程图选择最适合你的任务的训练方法。
提示
对于计算机视觉的工作流的信息,包括目标检测,看计算机愿景使用深度学习。有关从Tensorflow™-Keras,Caffe和Onnx™(开放神经网络交换)模型格式的导入网络和网络架构的信息,请参阅深度学习进出口。
此表提供了有关不同培训方法的信息。
方法 | 更多信息 |
---|---|
直接使用网络 | 如果预训练网络已经执行您需要的任务,那么你就需要重新训练网络。相反,您可以直接通过使与网络预测 例如,看到分类影像使用GoogLeNet。 |
使用列车网络培训选项 和Trainnetwork. |
如果您有一个指定为层数组或图层图的网络,以及 出于显示如何重新培训网络的示例(传输学习),请参阅培训深度学习网络以分类新图像。有关如何从划伤训练网络的示例,请参阅为分类创建简单的深度学习网络。 |
使用列车网络dlnetwork 对象和自定义训练循环 |
有关大多数任务,您可以使用该任务来控制培训算法详细信息 对于不能使用输出层指定损失函数,你可以指定一个自定义的训练循环的损失。 有关说明如何培养具有自定义学习税率表网络的例子,请参阅使用自定义训练循环列车网络。 要了解,较多见定义自定义培训循环,丢失功能和网络。 |
使用模型函数和自定义训练循环列车网络 | 对于无法使用图层图创建的网络,您可以将自定义网络定义为函数。有关如何培训定义为函数的深度学习模型的示例,请参阅使用模型功能列车网络。 如果您可以使用图层图创建网络部分,则可以使用模型功能将这些部件定义为图层图和不受支持的部件。万博1manbetx |
此表提供在流程图中的每个决策的信息。
决定 | 更多信息 |
---|---|
深度学习工具箱™是否提供适用的预押网络? | 对于大多数任务,您可以使用或重新训练预训练网络,如 对于Matlab的预训练深层学习网络列表®, 看普里德深度神经网络。您可以直接用新的数据使用预训练的网络,或者你可以使用迁移学习不同的任务,新的数据重新培训他们。 |
你可以在没有再培训的情况下使用网络吗? | 如果预训练网络已经完成你所需要的任务,那么你可以直接使用网络而无需再培训。例如,您可以使用 如果您需要重新培训网络 - 例如,要对不同的类集进行分类 - 那么您可以使用传输学习重新培训网络。 |
您可以定义模型作为层阵列或图形? | 您可以将大多数深度学习模型指定为层数组或图层图。换句话说,您可以将模型定义为具有连接到其他图层输入的层输出的图层集合。 一些网络架构不能被定义为层图形。例如,连体网络需要重量共享,并且不能被定义为层图形。对于这些网络,你必须定义模型的功能。例如,看到使用模型功能列车网络。 |
是否有网单只输出? | 对于具有多个输出的网络,您必须使用自定义训练循环训练网络。例如,看到带多个输出的火车网络。 |
深度学习工具箱是否提供您需要的中间层? | 深度学习工具箱为深度学习任务提供了许多不同的层。有关图层列表,请参阅深度学习层名单。 如果深度学习工具箱提供中间层(在网络的中间层),你需要,则可以定义网络如使用这些层的层阵列或层图形。否则,请尝试确定任何不支持图层作为自定义图层。万博1manbetx有关更多信息,请参阅定义自定义深度学习层。 |
您可以定义不支持的中间层自定义层?万博1manbetx | 如果深度学习工具箱没有提供所需的图层,那么您可以尝试定义自定义深度学习层。有关更多信息,请参阅定义自定义深度学习层。 如果你能够定义自定义层为任何不支持的层,则可以包括在一个层阵列或层图形这些定制层。万博1manbetx否则,指定使用功能的深度学习模型,并使用自定义的训练循环训练模型。例如,看到使用模型功能列车网络。 |
深度学习工具箱是否提供您需要的输出层? | 输出层指定用于培训的损耗功能。深度学习工具箱为深度学习任务提供不同的输出层。例如, 如果深度学习工具箱提供所需的输出图层,则可以使用这些图层定义图层图。否则,请尝试将任何不受支持的输出层定义为自定义图层。万博1manbetx有关更多信息,请参阅定义自定义深度学习层。 |
您可以定义不支持的输出层自定义层?万博1manbetx | 如果深度学习工具箱没有提供所需的输出层,则可以尝试定义自定义输出层。有关更多信息,请参阅定义自定义深度学习层。 如果您可以为任何不受支持的输出图层定义自定义输出层,则可以在图层阵列或图层图中包含这些自定义图层。万博1manbetx否则,使用a培训模型 |
做了吗?培训选项 功能提供您需要的选项? |
这 如果是 |