Классификация изображений веб-камеры с помощью глубокого обучения

В этом примере показано, как классифицировать изображения с веб-камеры в реальном времени с помощью предварительно обученной глубокой сверточной нейронной сети GoogLeNet.

Мониторинг хода обучения по углубленному обучению

При обучении сетей глубокому обучению часто полезно следить за ходом обучения.

Понимание сетевых прогнозов с помощью окклюзии

В этом примере показано, как использовать карты чувствительности окклюзии, чтобы понять, почему глубокая нейронная сеть принимает решение о классификации.

Интерпретация глубоких сетевых прогнозов по табличным данным с помощью LIME

Этот пример показывает, как использовать метод локально интерпретируемых моделей-агностических объяснений (LIME), чтобы понять прогнозы глубокой нейронной сети, классифицирующей табличные данные.

Исследование классификаций спектрограмм с использованием LIME

Этот пример показывает, как использовать локально интерпретируемые модели-агностические объяснения (LIME) для исследования надежности глубокой сверточной нейронной сети, обученной классифицировать спектрограммы.

Изучение классификационных решений с использованием методов градиентной атрибуции

В этом примере показано, как использовать карты градиентной атрибуции для исследования того, какие части изображения наиболее важны для классификационных решений, принимаемых глубокой нейронной сетью.

Изучение сетевых прогнозов с использованием сопоставления активации классов

В этом примере показано, как использовать сопоставление активации класса (CAM) для исследования и объяснения прогнозов глубокой сверточной нейронной сети для классификации изображений.

Визуализация классификаций изображений с использованием максимальных и минимальных активирующих изображений

В этом примере показано, как использовать набор данных, чтобы выяснить, что активирует каналы глубокой нейронной сети.

Просмотр поведения сети с использованием tsne

В этом примере показано, как использовать tsne функция для просмотра активизаций в обученной сети.

Контроль хода обучения GAN и определение общих видов отказов

Узнайте, как диагностировать и исправить некоторые из наиболее распространенных режимов отказа в обучении GAN.

Визуализация активации сверточной нейронной сети

В этом примере показано, как подавать изображение в сверточную нейронную сеть и отображать активации различных слоев сети.

Визуализация активации сети LSTM

В этом примере показано, как исследовать и визуализировать функции, полученные сетями LSTM, извлекая активации.

Визуализация особенностей сверточной нейронной сети

В этом примере показано, как визуализировать особенности, полученные сверточными нейронными сетями.