Настройка и визуализация глубокого обучения

Стройте графики прогресса обучения, оценивайте точность, делайте прогнозы, настраивайте параметры обучения и визуализируйте признаки, выученные сетью

Контролируйте прогресс обучения глубокому обучению с помощью встроенных графиков сетевой точности и потери. Чтобы улучшать производительность сети, можно настроить опции обучения и использовать Байесовую оптимизацию, чтобы искать оптимальные гиперпараметры. Заниматься расследованиями обучило нейронные сети, можно визуализировать функции, изученные сетью, и создать глубокую визуализацию мечты. Протестируйте свой обучивший сеть путем создания прогнозов с помощью новых данных.

Приложения

Deep Network Designer

Редактируйте и создавайте глубокие нейронные сети

Функции

развернуть все

Настройка опций и графиков

`analyzeNetwork`	Анализируйте архитектуру нейронной сети для глубокого обучения
`plot`	Постройте график слоя нейронной сети
`trainingOptions`	Опции для обучения глубокой нейронной сети
`trainNetwork`	Обучите нейронную сеть для глубокого обучения

Покажите визуализацию и прогноз

`activations`	Вычислите сверточные активации слоя нейронной сети
`predict`	Предскажите ответы с помощью обученной глубокой нейронной сети
`classify`	Классифицируйте данные с помощью обученной глубокой нейронной сети
`predictAndUpdateState`	Предскажите ответы с помощью обученной рекуррентной нейронной сети и обновите сетевое состояние
`classifyAndUpdateState`	Классифицируйте данные с помощью обученной рекуррентной нейронной сети и обновите сетевое состояние
`resetState`	Сбросьте состояние рекуррентной нейронной сети
`deepDreamImage`	Визуализируйте сетевые функции с помощью, глубоко мечтают
`confusionchart`	Создайте матричный график беспорядка для проблемы классификации
ConfusionMatrixChart Properties	Матричный вид диаграммы беспорядка и поведение
`sortClasses`	Сортировка классов матричного графика беспорядка

Темы

Настройка

Настройте параметры и обучите сверточную нейронную сеть

Узнать, как настраивать учебные параметры для сверточной нейронной сети

Возобновите обучение от сети контрольной точки

Узнать, как сохранить сети контрольной точки при обучении сверточной нейронной сети и возобновить обучение от ранее сохраненной сети

Глубокое обучение Используя байесовую оптимизацию

Этот пример показывает, как применить Байесовую оптимизацию к глубокому обучению и найти оптимальные сетевые гиперпараметры и опции обучения для сверточных нейронных сетей.

Советы глубокого обучения и приемы

Узнать, как улучшить точность нейронных сетей для глубокого обучения.

Визуализация

Классифицируйте изображения веб-камеры Используя глубокое обучение

Этот пример показывает, как классифицировать изображения от веб-камеры в режиме реального времени с помощью предварительно обученной глубокой сверточной нейронной сети GoogLeNet.

Контролируйте прогресс обучения глубокому обучению

Когда вы обучаете нейронные сети для глубокого обучения, часто полезно контролировать учебный прогресс.

Исследуйте сетевые прогнозы Используя отображение активации класса

Этот пример показывает, как использовать отображение активации класса (CAM), чтобы исследовать и объяснить прогнозы глубокой сверточной нейронной сети для классификации изображений.

Визуализируйте активации сверточной нейронной сети

Этот пример показывает, как накормить изображением сверточную нейронную сеть и отобразить активации различных слоев сети.

Визуализируйте функции сверточной нейронной сети

Этот пример показывает, как визуализировать функции, изученные сверточными нейронными сетями.