show
説明
例
数字のサンプル データを解凍し、イメージ データストアを作成します。関数 imageDatastore は、フォルダー名に基づいてイメージに自動的にラベルを付けます。
unzip("DigitsData.zip") imds = imageDatastore("DigitsData", ... IncludeSubfolders=true, ... LabelSource="foldernames");
畳み込みニューラル ネットワーク アーキテクチャを定義します。ネットワークの入力層にイメージのサイズを指定し、最終全結合層にクラスの数を指定します。イメージはそれぞれ 28 x 28 x 1 ピクセルです。
inputSize = [28 28 1];
numClasses = numel(categories(imds.Labels));
layers = [
imageInputLayer(inputSize)
convolution2dLayer(5,20)
batchNormalizationLayer
reluLayer
fullyConnectedLayer(numClasses)
softmaxLayer];学習オプションを指定します。
SGDM ソルバーを使用して 4 エポック学習させます。
精度メトリクスを監視します。
options = trainingOptions("sgdm", ... MaxEpochs=4, ... Metrics="accuracy");
ニューラル ネットワークを学習させます。分類には、クロスエントロピー損失を使用します。学習済みネットワークと学習情報を返します。
[net,info] = trainnet(imds,layers,"crossentropy",options); Iteration Epoch TimeElapsed LearnRate TrainingLoss TrainingAccuracy
_________ _____ ___________ _________ ____________ ________________
1 1 00:00:01 0.01 2.7615 3.9062
50 1 00:00:06 0.01 0.48211 85.938
100 2 00:00:09 0.01 0.16471 96.094
150 2 00:00:13 0.01 0.10177 96.094
200 3 00:00:17 0.01 0.057216 100
250 4 00:00:20 0.01 0.031815 100
300 4 00:00:24 0.01 0.021116 100
312 4 00:00:25 0.01 0.029253 99.219
Training stopped: Max epochs completed
学習情報を表示します。
info
info =
TrainingInfo with properties:
TrainingHistory: [312×5 table]
ValidationHistory: [0×0 table]
OutputNetworkIteration: 312
StopReason: "Max epochs completed"
show 関数を使用して、学習情報をプロットに表示します。
show(info)
close 関数を使用してプロットを閉じます。
close(info)
入力引数
バージョン履歴
R2023b で導入
