Main Content

このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。

深層学習の実験

さまざまな初期条件でのネットワークの学習、対話形式での学習オプションの調整、結果の評価

各種ハイパーパラメーター値のスイープ、またはベイズ最適化を行って、ニューラル ネットワークの最適な学習オプションを見つけます。組み込み関数 trainNetwork を使用するか、独自のカスタム学習関数を定義します。実験を並列で実行し、異なる学習構成を同時にテストします。学習プロットを使用して進行状況を監視します。混同行列とカスタム メトリクス関数を使用して、学習済みネットワークを評価します。並べ替えとフィルタリングによって実験を調整します。注釈を使用して観測結果を記録します。

アプリ

実験マネージャー深層学習ネットワークの学習および比較に向けた実験の設計と実行

オブジェクト

experiments.Monitorカスタムの学習実験の結果テーブルと学習プロットの更新

関数

groupSubPlot実験学習プロットへのメトリクスのグループ化
recordMetricsRecord metric values in experiment results table and training plot
updateInfo実験結果テーブルの情報列の更新

トピック

分類用の深層学習実験の作成

実験マネージャー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。

回帰用の深層学習実験の作成

実験マネージャー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。

実験マネージャーを使用したネットワークの並列学習

この例では、実験マネージャーを使用してネットワークの並列学習を行う方法を説明します。

メトリクス関数を使用した深層学習実験の評価

メトリクス関数を使用して実験の結果を評価する。

ベイズ最適化を使用した実験ハイパーパラメーターの調整

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。

Adapt Code Generated in Deep Network Designer for Use in Experiment Manager

Use Experiment Manager to tune the hyperparameters of a network trained in Deep Network Designer.

注目の例