| Matlab：trainingOptions()详解 训练选项 | 您所在的位置：网站首页 › matlab详解 › Matlab：trainingOptions()详解 训练选项 |
Matlab：trainingOptions()详解 训练选项
|
trainingOptions用于设置神经网络的训练策略以及超参数 用法：options = trainingOptions(solverName,Name,Value) solverName为优化函数，Name-Value为键值对，返回一个TrainingOptions对象 看个例子更直观， >> options = trainingOptions('sgdm', ... 'MiniBatchSize',512, ... 'MaxEpochs',2, ... 'InitialLearnRate',1e-3, ... 'Shuffle','every-epoch', ... 'ValidationData',imdsValidation, ... 'ValidationFrequency',3, ... 'Verbose',false, ... 'Plots','training-progress'); >> options options = TrainingOptionsSGDM - 属性: Momentum: 0.9000 InitialLearnRate: 1.0000e-03 LearnRateSchedule: 'none' LearnRateDropFactor: 0.1000 LearnRateDropPeriod: 10 L2Regularization: 1.0000e-04 GradientThresholdMethod: 'l2norm' GradientThreshold: Inf MaxEpochs: 2 MiniBatchSize: 512 Verbose: 0 VerboseFrequency: 50 ValidationData: [1×1 matlab.io.datastore.ImageDatastore] ValidationFrequency: 3 ValidationPatience: Inf Shuffle: 'every-epoch' CheckpointPath: '' ExecutionEnvironment: 'auto' WorkerLoad: [] OutputFcn: [] Plots: 'training-progress' SequenceLength: 'longest' SequencePaddingValue: 0 SequencePaddingDirection: 'right' DispatchInBackground: 0 ResetInputNormalization: 1可以看到，能调的参数很多，下面进行详解 solverName：优化函数，可选’sgdm’，‘rmsprop’，‘adam’Momentum：动量，[0,1]之间InitialLearnRate：初始学习率LearnRateSchedule：学习率策略，‘none’或者’piecewise’，'none’表示学习率不变，'piecewise’为分段学习率LearnRateDropFactor：学习率下降因子，[0,1]之间，降低之后学习率为：当前学习率*下降因子LearnRateDropPeriod：学习率下降周期，即几个epoch下降一次学习率L2Regularization：L2正则化因子GradientThresholdMethod：用于裁剪超过阈值的梯度，可选’l2norm’，‘global-l2norm’，‘absolute-value’GradientThreshold：梯度阈值，如果梯度大于阈值，则按GradientThresholdMethod设定的方法处理MaxEpochs：最大训练回合数，正整数，默认为20MiniBatchSize：就是batchsize，每次迭代使用的数据量，正整数Verbose：是否在命令行窗口显示实时训练进程，0或1，若为1，则在命令行显示当前在干啥了，默认为true VerboseFrequency：Verbose在命令行打印的频率，默认为100ValidationData：验证集数据，是一个ImageDatastore对象ValidationFrequency：验证频率，几个batchsize后验证一次，不是epochValidationPatience：早停条件，Validation上loss大于或等于最小loss多少epoch后停止训练，比如，当前loss为最小值且为0.01，再经过几个回合都没有低于0.01，就停止训练Shuffle：数据打乱策略，可选’once’，‘never’，‘every-epoch’ ‘once’：在训练前打乱 ‘never’：不打乱 ‘every-epoch’：每个epoch打乱一次 默认为’once’，建议选择‘every-epoch’，因为MATLAB训练网络的时候，如果数据不够一个batchsize会直接丢弃，‘every-epoch’可以避免丢弃同一批数据CheckpointPath：网络保存路径，默认为’’，即默认不保存，如果设置的有路径，则每个epoch后会非覆盖的保存一次ExecutionEnvironment：硬件环境，用GPU还是CPU，可选’auto’，‘cpu’，‘gpu’，‘multi-gpu’，'auto’为有gpu则用，没有就用cpuWorkerLoad：我也没看很懂，大概就是计算资源的问题，一般不会用到OutputFcn：默认就行Plots：是否画出实时训练进程，可选’none’或者’training-progress’，默认为’none’SequenceLength：处理序列数据用的SequencePaddingValue：同上SequencePaddingDirection：同上DispatchInBackground：使用后台调度(异步预取队列)从数据存储中读取训练数据，指定false或true，后台调度需要并行计算工具箱，默认为0
其实，在实际用的时候，需要调的也就那么几个，大多就默认就行了，上面代码里面就是常用的几个。 最后附上官方文档链接，更详细 |
【本文地址】
公司简介
联系我们