序列和数字特性数据工作流

时间序列,序列和表格数据,创建和训练多层感知器(MLP)神经网络,长期短期记忆(LSTM)神经网络,卷积神经网络(cnn)。您可以创建和训练神经网络的分类、回归和预测任务。您还可以使用单词训练神经网络文本数据嵌入层(需要文本分析工具箱™)或使用声音(音频数据(需要音频工具箱™)。

训练sequence-to-one和sequence-to-sequence神经网络使用trainNetwork和trainingOptions函数,或者定义一个自定义训练循环使用dlnetwork对象和dlarray对象的功能。

你可以训练一个神经网络CPU、GPU,多个CPU或GPU,或并行集群上或在云中。培训在GPU并行或需要并行计算工具箱™。使用GPU需要支持GPU设备(支持设备上的信息万博1manbetx,请参阅GPU计算的需求(并行计算工具箱))。指定执行环境使用trainingOptions函数。

您可以使用内置的监测培训进展块网络的准确性和丢失,你可以使用可视化技术,如Grad-CAM调查培训网络。

当你有一个训练网络,您可以验证它的鲁棒性,计算网络输出范围,并找到对抗的例子。您还可以使用一个训练有素的网络仿真软件万博1manbetx^®从深层神经网络模型,利用块块库。