Найдите оптимальные опции обучения для нейронных сетей, пронеся область значений значений гиперзначений параметров или используя байесовскую оптимизацию. Используйте встроенную функцию trainNetwork
или определите свою собственную пользовательскую функцию обучения. Протестируйте различные строения обучения одновременно, запустив эксперимент параллельно. Следите за своим прогрессом, используя обучающие графики. Используйте матрицы неточностей и пользовательские метрические функции для оценки обученной сети. Уточните свои эксперименты путем сортировки и фильтрации. Используйте аннотации для записи наблюдений.
Experiment Manager | Проектируйте и запускайте эксперименты для обучения и сравнения нейронных сетей для глубокого обучения |
experiments.Monitor | Обновите таблицу результатов и обучающие графики для пользовательских экспериментов по обучению |
groupSubPlot | Группируйте метрики на графике обучения эксперимента |
recordMetrics | Запись значений метрики в таблицу результатов эксперимента и график обучения |
updateInfo | Обновляйте информационные столбцы в таблице результатов эксперимента |
Создайте эксперимент глубокого обучения для классификации
Обучите нейронную сеть для глубокого обучения для классификации с помощью Experiment Manager.
Создайте эксперимент глубокого обучения для регрессии
Обучите нейронную сеть для глубокого обучения для регрессии с помощью Диспетчера экспериментов.
Используйте Experiment Manager для параллельного обучения сетей
Обучите глубокие сети параллельно с помощью Experiment Manager.
Оцените эксперименты по глубокому обучению при помощи метрических функций
Используйте метрические функции для оценки результатов эксперимента.
Настройка гиперпараметров эксперимента с помощью байесовской 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 для настройки гиперпараметров сети, обученной в Deep Network Designer.