実験の管理

複数の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

実験マネージャーアプリを使用し、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の使用により、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。実験を実行しながら作業の続行または MATLAB^® セッションのクローズを行えるように、リモートクラスターのバッチジョブとして実験をオフロードします。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。可視化、フィルター、注釈を使用し、実験結果の管理と観測結果の記録を行います。過去の実験定義にアクセスして、各結果を生成するハイパーパラメーターの組み合わせを追跡します。

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 (R2020a 以降)

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 (R2021a 以降)

関数

`groupSubPlot`	実験学習プロットへのメトリクスのグループ化 (R2021a 以降)
`recordMetrics`	Record metric values in experiment results table and training plot (R2021a 以降)
`updateInfo`	実験結果テーブルの情報列の更新 (R2021a 以降)

トピック

Create a Deep Learning Experiment for Classification
Train a deep learning network for classification using Experiment Manager. (R2020a 以降)
Create a Deep Learning Experiment for Regression
Train a deep learning network for regression using Experiment Manager. (R2020a 以降)
Use Experiment Manager to Train Networks in Parallel
Run multiple simultaneous trials or one trial at a time on multiple workers. (R2020b 以降)
Offload Deep Learning Experiments as Batch Jobs to a Cluster
Run experiments on a cluster so you can continue working or close MATLAB. (R2022a 以降)
Evaluate Deep Learning Experiments by Using Metric Functions
Use metric functions to evaluate the results of an experiment. (R2020a 以降)
Tune Experiment Hyperparameters by Using Bayesian Optimization
Find optimal network hyperparameters and training options for convolutional neural networks. (R2020b 以降)
Use Bayesian Optimization in Custom Training Experiments
Create custom training experiments that use Bayesian optimization. (R2021b 以降)
Generate Experiment Using Deep Network Designer
Use Experiment Manager to tune the hyperparameters of a network trained in Deep Network Designer.
Keyboard Shortcuts for Experiment Manager
Navigate Experiment Manager using only your keyboard.

トラブルシューティング

Debug Deep Learning Experiments

Diagnose problems in your setup, training, and metric functions. (R2023a 以降)

注目の例

Try Multiple Pretrained Networks for Transfer Learning

Configure an experiment that replaces layers of different pretrained networks for transfer learning.

R2020a 以降

スクリプトを開く

Experiment with Weight Initializers for Transfer Learning

Configure an experiment that initializes the weights of convolution and fully connected layers using different weight initializers.

R2020a 以降

スクリプトを開く

Audio Transfer Learning Using Experiment Manager

Configure an experiment that compares the performance of multiple pretrained networks applied to a speech command recognition task using transfer learning.

スクリプトを開く