Чем отличаются функции «train» и «trainNetwork»?

Чем отличаются функции «train» и «trainNetwork»? Когда следует использовать «train» вместо «trainNetwork» или наоборот?

ПРИМЕЧАНИЕ. 

Matlabsolutions.com предоставляет последнюю Помощь по домашним заданиям MatLab, Помощь по заданию MatLab для студентов, инженеров и исследователей в различных отраслях, таких как ECE, EEE, CSE, Mechanical, Civil со 100% выходом. Код Matlab для BE, B.Tech ,ME,M.Tech, к.т.н. Ученые со 100% конфиденциальностью гарантированы. Получите проекты MATLAB с исходным кодом для обучения и исследований.

«train» и «trainNetwork» и связанные с ними функции соответствуют двум полностью независимым вселенным сетевого обучения. «обучение» и связанные с ним функции используются для создания и обучения «неглубокой нейронной сети», которая полезна для аппроксимации функций и кластеризации. С другой стороны, «trainNetwork» и связанные с ней функции используются для создания и обучения «Глубокой нейронной сети»*, которая преимущественно используется для классификации изображений.

Функции «train» и «trainNetwork» основаны на полностью независимых кодовых базах. Они являются частью одного набора инструментов (Neural Networks Toolbox), но не зависят друг от друга.

Хотя вы можете обучать глубокие сети или мелкие сети с помощью обеих функций, есть несколько причин, которые упрощают обучение глубоких сетей с помощью «trainNetworks»:

• Глубокой сети обычно требуется много обучающих данных, которые обычно не помещаются в ОЗУ (или в GPU при обучении на GPU). Функция «trainNetwork» была разработана с учетом этого с использованием таких алгоритмов, как стохастический градиентный спуск и алгоритм оптимизации ADAM, которые работают с мини-пакетами, сохраняя при этом остальные обучающие данные вне памяти.
• Функция «trainNetwork» (и все связанные с ней функции) более тесно интегрирована с cuDNN (низкоуровневая библиотека NVIDIA для выполнения NN на их графических процессорах) (например, для поддержки быстрых операций, таких как свертки).
• Экосистема вокруг «trainNetwork» внимательно следит за новыми тенденциями в области глубокого обучения, а экосистема «train» фокусируется на классических алгоритмах, используемых для обучения нейронных сетей.

СМОТРИТЕ ПОЛНЫЙ ОТВЕТ НАЖМИТЕ НА ССЫЛКУ