実験の管理
R2026b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 trainnet を使用するか、独自のカスタム学習関数を定義します。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。
このページには、AI ワークフローの実験に関する情報を掲載しています。アプリの使用に関する一般的な情報については、実験マネージャーを参照してください。
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作成と実行 |
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 |
recordMetrics | 実験結果テーブルと学習プロットへのメトリクス値の記録 |
updateInfo | 実験結果テーブルの情報列の更新 |
yscale | 学習プロットの y 軸のスケール (線形または対数) の設定 (R2024a 以降) |
トピック
実験の構成
- Choose Strategy for Exploring Experiment Parameters
Choose between the exhaustive sweep, random sampling, and Bayesian optimization strategies for exploring your experiment parameters using Experiment Manager. - Tune PyTorch Model Using Experiment Manager
Tune hyperparameters of a PyTorch® model by sweeping over combinations of hyperparameter values using Experiment Manager. (R2026b 以降) - Debug Deep Learning Experiments
Diagnose problems in your setup, training, and metric functions. (R2023a 以降) - Keyboard Shortcuts for Experiment Manager
Navigate Experiment Manager using only your keyboard.
trainnet を使用した実験
- 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。 - Evaluate Deep Learning Experiments by Using Metric Functions
Use metric functions to evaluate the results of an experiment.
カスタム学習関数を使用した実験
- Use Bayesian Optimization in Custom Training Experiments
Create custom training experiments that use Bayesian optimization. - Run a Custom Training Experiment for Image Comparison
Train a twin neural network to identify similar images of handwritten characters. - Custom Training with Multiple GPUs in Experiment Manager
Configure multiple parallel workers to collaborate on each trial of a custom training experiment.
転移学習
- Try Multiple Pretrained Networks for Transfer Learning
Configure an experiment that replaces layers of different pretrained networks for transfer learning. - Experiment with Weight Initializers for Transfer Learning
Configure an experiment that initializes the weights of convolution and fully connected layers using different weight initializers. - 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.
実験実行時間の短縮
- Run Experiments in Parallel
Run multiple simultaneous trials or one trial at a time on multiple workers. - Offload Experiments as Batch Jobs to a Cluster
Run experiments on a cluster so you can continue working or close MATLAB®. (R2022a 以降)
関連情報
注目の例
Tune Experiment Hyperparameters by Using Bayesian Optimization
Find optimal network hyperparameters and training options for convolutional neural networks.
Choose Training Configurations for LSTM Using Bayesian Optimization
Find optimal data architecture and network configurations for sequence-to-sequence regression using Bayesian optimization.
Use Experiment Manager to Train Generative Adversarial Networks (GANs)
Create a custom training experiment to generate images of flowers.
