Найдите оптимальные опции обучения для нейронных сетей путем развертки через область значений гиперзначений параметров или использования Байесовой оптимизации. Используйте встроенную функцию trainNetwork
или задайте свою собственную учебную функцию. Протестируйте различные учебные настройки одновременно путем выполнения эксперимента параллельно. Контролируйте свой прогресс при помощи учебных графиков. Используйте матрицы беспорядка и пользовательские метрические функции, чтобы оценить ваш обучивший сеть. Совершенствуйте свои эксперименты путем сортировки и фильтрации. Используйте аннотации, чтобы записать ваши наблюдения.
Experiment Manager | Спроектируйте и запустите эксперименты, чтобы обучить и сравнить нейронные сети для глубокого обучения |
experiments.Monitor | Обновите таблицу результатов и учебные графики для пользовательских учебных экспериментов |
groupSubPlot | Метрики группы в графике обучения эксперименту |
recordMetrics | Запишите метрические значения в таблице результатов эксперимента и учебном графике |
updateInfo | Обновите информационные столбцы в таблице результатов эксперимента |
Создайте эксперимент глубокого обучения для классификации
Обучите нейронную сеть для глубокого обучения классификации с помощью Experiment Manager.
Создайте эксперимент глубокого обучения для регрессии
Обучите нейронную сеть для глубокого обучения регрессии с помощью Experiment Manager.
Используйте Experiment Manager, чтобы обучить нейронные сети параллельно
Обучите глубокие сети в параллели с помощью Experiment Manager.
Оцените эксперименты глубокого обучения при помощи метрических функций
Используйте метрические функции, чтобы оценить результаты эксперимента.
Настройте гиперпараметры эксперимента при помощи байесовой оптимизации
Найдите оптимальные сетевые гиперпараметры и опции обучения для сверточных нейронных сетей.
Адаптируйте код, сгенерированный в Deep Network Designer для использования в Experiment Manager
Используйте Experiment Manager, чтобы настроить гиперпараметры сети, обученной в Deep Network Designer.