序列和数值特征数据工作流 -凯发k8网页登录

对于序列、时间序列和表格数据，创建并训练多层感知机 (mlp) 神经网络、长短期记忆 (lstm) 神经网络和卷积神经网络 (cnn)。您可以为分类、回归和预测任务创建和训练神经网络。还可以使用单词嵌入层（需要 text analytics toolbox™）基于文本数据训练神经网络或使用频谱图（需要 audio toolbox™）基于音频数据训练神经网络。

使用 和 函数训练序列到单个和序列到序列神经网络，或使用 对象和 对象函数定义自定义训练循环。

您可以在一个 cpu、一个 gpu、多个 cpu 或 gpu 上训练神经网络，或者在集群中并行训练或在云中训练。在 gpu 上训练或并行训练需要 parallel computing toolbox™。使用 gpu 需要支持的 gpu 设备（有关受支持设备的信息，请参阅gpu computing requirements (parallel computing toolbox)）。使用 函数指定执行环境。

您可以使用内置的网络准确度图和损失图来监控训练进度，还可以使用可视化方法（如 grad-cam）研究经过训练的网络。

有了经过训练的网络，您就可以验证其稳健性、计算网络输出边界和查找对抗示例。您还可以通过使用深度神经网络模块库中的模块，在 simulink^® 模型中使用经过训练的网络。