2026b
# 深度学习自定义训练循环
自定义深度学习训练循环和损失函数
# 深度学习运算
深度学习运算
深度学习运算
| 函数名 | 简介 |
|---|---|
| dlconv | 二维深度学习卷积 |
| dltranspconv | 二维转置卷积 |
| fullyconnect | 对所有加权输入数据求和，并应用偏差 |
| maxpool | 二维最大池化运算 |
| avgpool | 对输入的多维数据进行二维平面上的平均池化运算 |
| batchnorm | 独立标准化每个通道的所有观测值 |
| crosschannelnorm | 使用局部响应进行跨通道平方归一化 |
| groupnorm | 为每个观察独立地跨通道的分组子集进行归一化 |
| layernorm | 跨所有通道针对每个观察独立地进行归一化 |
| lstm | 长短期记忆网络 |
| leakyrelu | 应用泄漏整流线性单元激活 |
| relu | 应用整流线性单元激活 |
| sigmoid | sigmoid函数 |
| softmax | softmax函数 |
| crossentropy | 分类任务的交叉熵损失 |
| mse | 均方误差 |
| huber | 回归任务的Huber损失 |
| numsamples | 神经网络数据中的样本数 |
| rands | 随机权重和偏置初始化函数 |
| meansqr | 矩阵元素平方的平均值 |
| sumsqr | 矩阵元素平方之和 |
| tansig | 双曲正切Sigmoid函数 |
| logsig | 对数Sigmoid函数 |
| gadd | 广义加法 |
| gdivide | 广义除法 |
| gsubtract | 广义减法 |
| sumabs | 矩阵元素绝对值之和 |
| gsqrt | 广义平方根 |
| gnegate | 广义否定 |
| gmultiply | 广义乘法 |
| sse | 误差平方和 |
| normc | 归一化矩阵列 |
| normr | 归一化矩阵行 |
| mapminmax | 通过将行最小值和最大值映射到 [-1 1] 来处理矩阵 |
| getsamples | 获取网络数据样本 |
| perceptron | 简单的单层二元分类器 |
| accuracy | 计算数据分类的正确率 |