Main Content

深層学習の可視化

学習の進行状況のプロット、精度の評価、予測の説明、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。Grad-CAM、オクルージョン感度、LIME、Deep Dream などの可視化手法を使用して、学習済みネットワークを調査します。

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

オブジェクト

trainingProgressMonitorMonitor and plot training progress for deep learning custom training loops

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 アーキテクチャのプロット
updateInfoUpdate information values for custom training loops
recordMetricsRecord metric values for custom training loops
groupSubPlotGroup metrics in training plot
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とネットワーク状態の更新
classifyAndUpdateStateClassify data using a trained recurrent neural network and update the network state
resetStateニューラル ネットワークの状態パラメーターのリセット
deepDreamImageDeep Dream を使用したネットワークの特徴の可視化
occlusionSensitivityExplain network predictions by occluding the inputs
imageLIMEExplain network predictions using LIME
gradCAMGrad-CAM を使用したネットワーク予測の説明
confusionchart分類問題用の混同行列チャートの作成
sortClasses混同行列チャートのクラスの並べ替え
rocmetricsReceiver operating characteristic (ROC) curve and performance metrics for binary and multiclass classifiers
addMetricsCompute additional classification performance metrics
averageCompute performance metrics for average receiver operating characteristic (ROC) curve in multiclass problem
plotPlot receiver operating characteristic (ROC) curves and other performance curves

プロパティ

ConfusionMatrixChart PropertiesConfusion matrix chart appearance and behavior
ROCCurve PropertiesReceiver operating characteristic (ROC) curve appearance and behavior

トピック