选择培训选项

一旦你有了网络和数据，下一步就是选择培训选项。在培训选项卡上,单击培训方案．如果您不知道使用哪些训练选项，请尝试使用默认设置进行训练，然后调整它们以适应您的网络和数据。例如，尝试调整初始学习速率，或者通过增加epoch的数量来训练更长的时间。有关提高深度学习网络准确性的技术的信息，请参见深度学习技巧和技巧．有关培训选项的详细信息，请参见trainingOptions．

列车网络的

选择训练选项后，通过单击来训练网络火车．深度网络设计器应用程序显示了训练进程的动画情节。该图显示了小批损失和准确性，以及关于训练进度的附加信息。如果指定验证数据，该图还显示验证损失和准确性。该情节有一个停止按钮在右上角。点击按钮停止训练，返回网络当前状态。有关训练进度图的更多信息，请参见监控深度学习训练进度．

你可以使用Deep Network Designer训练各种各样的网络。例如，图像分类或回归网络、序列网络、数字数据网络、语义分割网络和图像到图像的回归网络。在深度网络设计器中，可以使用trainNetwork可以表示为数据存储对象的任何数据上的函数。下面的例子展示了如何使用Deep network Designer构建和训练一个网络。

一旦训练完成，上培训选项卡上,单击出口将训练过的网络和结果导出到工作区。单击，将训练进度图另存为图像出口培训地块．您可以通过单击了解如何使用命令行函数构建和训练网络出口>生成培训代码并检查生成的现场脚本。

深度网络设计器不支持使用自定义训练循环进行训练。若要使用自定义训练循环训练网络，请首先将网络导出到工作区，并将其转换为dlnetwork对象。然后，您可以使用dlnetwork对象和自定义训练循环。有关更多信息，请参见使用自定义训练循环训练网络．

下一个步骤

培训完成后，单击出口>创建实验在实验管理器中创建一个深度学习实验。您可以使用实验管理器扫描一系列超参数值，或者使用贝叶斯优化来查找最佳训练选项。作为一个例子，展示如何使用实验管理器要调优在深度网络设计器中训练的网络的超参数，请参见使用深度网络设计器生成实验．