dlfeval
Evaluar modelos de deep learning para bucles de entrenamiento personalizados
Descripción
La función dlfeval
evalúa modelos y funciones de deep learning con la diferenciación automática habilitada. Para calcular los gradientes, utilice la función dlgradient
.
Sugerencia
Para la mayor parte de las tareas de deep learning, puede utilizar una red neuronal preentrenada y adaptarla a sus propios datos. Para ver un ejemplo de cómo usar la transferencia del aprendizaje para volver a entrenar una red neuronal convolucional para clasificar un nuevo conjunto de imágenes, consulte Retrain Neural Network to Classify New Images. Como alternativa, puede crear y entrenar redes neuronales desde cero usando las funciones trainnet
y trainingOptions
.
Si la función trainingOptions
no proporciona las opciones de entrenamiento que necesita para la tarea, puede crear un bucle de entrenamiento personalizado mediante diferenciación automática. Para obtener más información, consulte Entrenar una red con un bucle de entrenamiento personalizado.
Si la función trainnet
no proporciona la función de pérdida que necesita para la tarea, puede especificar una función de pérdida personalizada para trainnet
como identificador de función. Para las funciones de pérdida que requieren más entradas que las predicciones y los objetivos (por ejemplo, funciones de pérdida que requieren acceso a la red neuronal o entradas adicionales), entrene el modelo usando un bucle de entrenamiento personalizado. Para obtener más información, consulte Entrenar una red con un bucle de entrenamiento personalizado.
Si Deep Learning Toolbox™ no proporciona las capas que necesita para la tarea, puede crear una capa personalizada. Para obtener más información, consulte Definir capas de deep learning personalizadas. Para los modelos que no se pueden especificar como redes de capas, puede definir el modelo como una función. Para obtener más información, consulte Train Network Using Model Function.
Para obtener más información sobre qué método de entrenamiento usar para cada tarea, consulte Train Deep Learning Model in MATLAB.
Ejemplos
Argumentos de entrada
Argumentos de salida
Sugerencias
Una llamada de
dlgradient
debe estar dentro de una función. Para obtener un valor numérico de un gradiente, debe evaluar la función utilizandodlfeval
y el argumento de la función debe ser undlarray
. Consulte Use Automatic Differentiation In Deep Learning Toolbox.Para permitir la evaluación correcta de los gradientes, la función
fun
debe usar solo funciones que sean compatibles condlarray
. Consulte List of Functions with dlarray Support.
Algoritmos
Capacidades ampliadas
Historial de versiones
Introducido en R2019b