Найдите оптимальные варианты обучения для нейронных сетей, просмотрев диапазон значений гиперпараметров или используя байесовскую оптимизацию. Использовать встроенную функцию trainNetwork или определите собственную пользовательскую функцию обучения. Одновременное тестирование различных конфигураций обучения путем параллельного выполнения эксперимента. Отслеживайте ход выполнения с помощью графиков обучения. Используйте матрицы путаницы и пользовательские метрические функции для оценки обученной сети. Уточните свои эксперименты путем сортировки и фильтрации. Используйте аннотации для записи наблюдений.
| Руководитель эксперимента | Разработка и проведение экспериментов для обучения и сравнения сетей глубокого обучения |
experiments.Monitor | Обновление таблицы результатов и графиков обучения для пользовательских экспериментов обучения |
groupSubPlot | Групповые показатели на экспериментальном обучающем графике |
recordMetrics | Запись метрических значений в таблицу результатов эксперимента и график обучения |
updateInfo | Обновить информационные столбцы в таблице результатов эксперимента |
Создание эксперимента глубокого обучения для классификации
Подготовка сети глубокого обучения для классификации с помощью Experiment Manager.
Создание эксперимента глубокого обучения для регрессии
Обучение сети глубокого обучения регрессии с помощью Диспетчера экспериментов.
Использование диспетчера экспериментов для параллельного обучения сетей
Параллельное обучение глубоких сетей с помощью Experiment Manager.
Оценка экспериментов глубокого обучения с помощью метрических функций
Используйте метрические функции для оценки результатов эксперимента.
Настройка гиперпараметров эксперимента с использованием байесовской оптимизации
Найдите оптимальные сетевые гиперпараметры и варианты обучения для сверточных нейронных сетей.
Используйте Диспетчер экспериментов для настройки гиперпараметров сети, обученной в Deep Network Designer.
