Визуализация глубокого обучения

Постройте процесс обучения, оцените точность, объясните предсказания и визуализируйте функции, изученные сетью

Контролируйте процесс обучения с помощью встроенных графиков сетевой точности и потери. Займитесь расследованиями обучил нейронные сети с помощью методов визуализации, таких как CAM градиента, чувствительность поглощения газов, LIME, и глубоко мечтайте.

Приложения

Deep Network DesignerСпроектируйте, визуализируйте и обучите нейронные сети для глубокого обучения

Функции

развернуть все

analyzeNetworkАнализируйте архитектуру нейронной сети для глубокого обучения
plotПостройте график слоев нейронной сети
activationsВычислите активации слоя нейронной сети для глубокого обучения
predictПредскажите ответы с помощью обученной глубокой нейронной сети
classifyКлассифицируйте данные с помощью обученной глубокой нейронной сети
predictAndUpdateStateПредскажите ответы с помощью обученной рекуррентной нейронной сети и обновите сетевое состояние
classifyAndUpdateStateКлассифицируйте данные с помощью обученной рекуррентной нейронной сети и обновите сетевое состояние
resetStateСбросьте состояние рекуррентной нейронной сети
deepDreamImageВизуализируйте сетевые функции с помощью, глубоко мечтают
occlusionSensitivityОбъясните сетевые предсказания путем закрытия входных параметров
imageLIMEОбъясните сетевые предсказания с помощью LIME
gradCAMОбъясните сетевые предсказания с помощью CAM градиента
confusionchartСоздайте матричный график беспорядка для проблемы классификации
sortClassesСортировка классов матричного графика беспорядка

Свойства

ConfusionMatrixChart PropertiesМатричный вид диаграммы беспорядка и поведение

Темы

Классифицируйте изображения веб-камеры Используя глубокое обучение

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

Контролируйте процесс обучения глубокого обучения

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

Изучите сетевые предсказания Используя поглощение газов

В этом примере показано, как использовать карты чувствительности поглощения газов, чтобы изучить, почему глубокая нейронная сеть принимает решение классификации.

Интерпретируйте глубокие сетевые предсказания на табличных данных Используя LIME

В этом примере показано, как использовать метод локально поддающихся толкованию объяснений модели агностических (LIME), чтобы изучить предсказания глубокой нейронной сети, классифицирующей табличные данные.

Исследуйте классификации спектрограмм Используя LIME

В этом примере показано, как использовать локально поддающиеся толкованию объяснения модели агностические (LIME), чтобы исследовать робастность глубокой сверточной нейронной сети, обученной классифицировать спектрограммы.

Исследуйте решения классификации Используя методы приписывания градиента

В этом примере показано, как использовать карты приписывания градиента, чтобы заняться расследованиями, какие части изображения являются самыми важными для решений классификации, принятых глубокой нейронной сетью.

Исследуйте сетевые предсказания Используя отображение активации класса

В этом примере показано, как использовать отображение активации класса (CAM), чтобы исследовать и объяснить предсказания глубокой сверточной нейронной сети для классификации изображений.

Визуализируйте классификации изображений Используя максимальные и минимальные изображения активации

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

Просмотрите Сетевое Поведение Используя tsne

В этом примере показано, как использовать tsne функционируйте, чтобы просмотреть активации в обучившем сеть.

Контролируйте процесс обучения GAN и идентифицируйте общие типы отказа

Узнать, как диагностировать и зафиксировать некоторые наиболее распространенные типы отказа в обучении GAN.

Визуализируйте активации сверточной нейронной сети

В этом примере показано, как накормить изображением сверточную нейронную сеть и отобразить активации различных слоев сети.

Визуализируйте активации сети LSTM

В этом примере показано, как исследовать и визуализировать функции, изученные сетями LSTM путем извлечения активаций.

Визуализируйте функции сверточной нейронной сети

В этом примере показано, как визуализировать функции, изученные сверточными нейронными сетями.

Методы визуализации глубокого обучения

Узнайте об и сравните методы визуализации глубокого обучения.

Рекомендуемые примеры

Для просмотра документации необходимо авторизоваться на сайте