MATLAB深度学习训练参数详解：学习率、正则化、下降策略等

在给定的代码中，训练模型时使用了 trainingOptions 函数来定义了一些训练参数，例如学习率、最大训练次数、学习率下降等。这些参数被传递给 trainNetwork 函数作为参数。

根据给定的代码，使用了以下训练参数：

• MaxEpochs：最大训练次数为 500 次。
• InitialLearnRate：初始学习率为 0.01。
• L2Regularization：L2 正则化参数为 0.0001。
• LearnRateSchedule：学习率下降策略为分段（'piecewise'）。
• LearnRateDropFactor：学习率下降因子为 0.1。
• LearnRateDropPeriod：每隔 50 个 epoch，学习率减少到原来的 0.1 倍。

此外，还设置了其他的训练参数，例如使用了 Adam 优化算法（'adam'）、验证数据（ValidationData）、可视化训练进度（Plots）等。

这些训练参数是通过 options 变量传递给 trainNetwork 函数的。在给定的代码中，以下是定义的 options 参数：

options = trainingOptions('adam', ...
    'MaxEpochs', 500, ...
    'InitialLearnRate', 1e-2, ...
    'L2Regularization', 1e-04, ...
    'LearnRateSchedule', 'piecewise', ...
    'LearnRateDropFactor', 0.1, ...
    'LearnRateDropPeriod', 50, ...
    'ValidationData', {p_test, t_test}, ...
    'Plots', 'training-progress', ...
    'Verbose', false, ...
    'MiniBatchSize', 128);

以上是在给定代码中使用的训练参数示例。您可以根据需要修改这些参数的值，以调整训练过程中的模型行为。