Main Content

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

深層学習の調整および可視化

実験の管理、学習の進行状況のプロット、精度の評価、予測の実行、学習オプションの調整、ネットワークによって学習された特徴の可視化

ネットワークの精度と損失の組み込みプロットを使用して進行状況を監視します。ネットワークのパフォーマンスを改善するには、学習オプションを調整したり、実験マネージャーやベイズ最適化を使用して最適なハイパーパラメーターを検索したりします。学習済みのネットワークを調査するため、ネットワークによって学習された特徴を可視化して Deep Dream が可視化されるようにできます。新しいデータを使用して予測を行うことによって、学習済みのネットワークをテストします。さまざまな初期条件でネットワークを学習させる深層学習実験を管理し、結果を比較します。

アプリ

ディープ ネットワーク デザイナー深層学習ネットワークの設計、可視化、および学習
実験マネージャーDesign and run experiments to train and compare deep learning networks

関数

すべて展開する

analyzeNetwork深層学習ネットワーク アーキテクチャの解析
plotニューラル ネットワークの層グラフのプロット
trainingOptions深層学習ニューラル ネットワークの学習のオプション
trainNetwork深層学習用のニューラル ネットワークの学習
activations深層学習ネットワーク層の活性化の計算
predict学習済み深層学習ニューラル ネットワークを使用した応答の予測
classify学習済み深層学習ニューラル ネットワークを使用したデータの分類
predictAndUpdateState学習済み再帰型ニューラル ネットワークを使用した応答の予測およびネットワークの状態の更新
classifyAndUpdateState学習済み再帰型ニューラル ネットワークを使用したデータの分類およびネットワークの状態の更新
resetState再帰型ニューラル ネットワークの状態のリセット
deepDreamImageDeep Dream を使用したネットワークの特徴の可視化
occlusionSensitivityDetermine how input data affects output activations by occluding input
confusionchartCreate confusion matrix chart for classification problem
sortClassesSort classes of confusion matrix chart

プロパティ

ConfusionMatrixChart PropertiesConfusion matrix chart appearance and behavior

トピック

調整

パラメーターの設定と畳み込みニューラル ネットワークの学習

畳み込みニューラル ネットワークの学習パラメーターの設定方法を学習します。

チェックポイント ネットワークからの学習の再開

この例では、深層学習ネットワークの学習時にチェックポイント ネットワークを保存する方法と以前に保存したネットワークから学習を再開する方法を説明します。

ベイズ最適化を使用した深層学習

この例では、深層学習にベイズ最適化を適用して、畳み込みニューラル ネットワークに最適なネットワーク ハイパーパラメーターと学習オプションを求める方法を説明します。

カスタム学習ループを使用したネットワークの学習

この例では、カスタム学習率スケジュールで手書きの数字を分類するネットワークに学習させる方法を示します。

深層学習のヒントとコツ

深層学習ネットワークの精度を改善する方法を学習します。

実験

分類用の深層学習実験の作成

この例では、Experiment Managerを使用して分類用の深層学習ネットワークに学習させる方法を説明します。

回帰用の深層学習実験の作成

この例では、Experiment Managerを使用して回帰用の深層学習ネットワークに学習させる方法を説明します。

メトリクス関数を使用した深層学習実験の評価

この例では、メトリクス関数を使用して実験の結果を評価する方法を説明します。

転移学習用の事前学習済みのネットワークを複数試用

この例では、転移学習のためにさまざまな事前学習済みのネットワークの層を置き換える実験を構成する方法を説明します。

転移学習用の重み初期化子を使用した実験

この例では、学習用のさまざまな重み初期化子を使用して畳み込み層と全結合層の重みを初期化する実験を構成する方法を説明します。

複数の深層学習実験の並列実行

この例では、ローカル マシンで複数の深層学習実験を実行する方法を説明します。

可視化

深層学習を使用した Web カメラ イメージの分類

この例では、事前学習済みの深層畳み込みニューラル ネットワーク GoogLeNet を使用して、Web カメラのイメージをリアルタイムで分類する方法を説明します。

深層学習における学習の進行状況の監視

深層学習のネットワークに学習させる場合、学習の進行状況を監視すると役に立つことがよくあります。

Grad-CAM での深層学習による判定の理由の解明

この例では、勾配加重クラス活性化マッピング (Grad-CAM) 手法を使用して、深層学習ネットワークによってその分類の判定が行われた理由を理解する方法を説明します。

オクルージョンを使用したネットワーク予測の理解

この例では、オクルージョン感度マップを使用して、深層ニューラル ネットワークによる分類の判定理由を理解する方法を説明します。

勾配属性の手法を使用した分類判定の調査

この例では、勾配属性マップを使用して、深層ニューラル ネットワークによって分類の判定が行われる際にイメージのどの部分が最も重要かを調査する方法を説明します。

クラス活性化マッピングを使用したネットワークの予測の調査

この例では、クラス活性化マッピング (CAM) を使用して、深層畳み込みニューラル ネットワークによるイメージ分類の予測を調査し説明する方法を示します。

最大および最小の活性化イメージを使用したイメージ分類の可視化

この例では、データセットを使用して何が深層ニューラル ネットワークのチャネルを活性化するか発見する方法を説明します。

tsne を使用したネットワークの動作の表示

この例では、関数 tsne を使用して学習済みネットワークの活性化を表示する方法を説明します。

GAN の学習過程の監視と一般的な故障モードの識別

GAN の学習で最も一般的な故障モードを診断し修復する方法を学びます。

GoogLeNet を使用した Deep Dream イメージ

この例では、事前学習済みの畳み込みニューラル ネットワーク GoogLeNet で deepDreamImage を使用してイメージを生成する方法を説明します。

畳み込みニューラル ネットワークの活性化の可視化

この例では、畳み込みニューラル ネットワークにイメージを供給して、ネットワークのさまざまな層の活性化を表示する方法を説明します。

LSTM ネットワークの活性化の可視化

この例では、活性化を抽出し、LSTM ネットワークによって学習された特徴を調査して可視化する方法を説明します。

畳み込みニューラル ネットワークの特徴の可視化

この例では、畳み込みニューラル ネットワークによって学習された特徴を可視化する方法を説明します。

注目の例