深層学習における学習の進行状況の監視
この例では、深層学習ネットワークの学習の進行状況を監視する方法を示します。
深層学習用にネットワークに学習させる場合、学習中にさまざまなメトリクスをプロットすることで、学習の進行状況を知ることができます。たとえば、ネットワークの精度が改善されているかどうか、その改善の速度、さらにネットワークで学習データへの過適合が始まっているかどうかを判定できます。
この例では、関数 trainnet
を使用して学習させたネットワークの学習の進行状況を監視する方法を示します。カスタム学習ループを使用してネットワークに学習させる場合は、代わりにtrainingProgressMonitor
オブジェクトを使用して学習中にメトリクスをプロットします。詳細については、Monitor Custom Training Loop Progressを参照してください。
trainingOptions
で Plots
学習オプションを "training-progress"
に設定してネットワークの学習を開始すると、関数 trainnet
によって Figure が作成され、反復ごとに学習メトリクスが表示されます。各反復は、勾配の推定と、ネットワーク パラメーターの更新で構成されます。trainingOptions
に検証データを指定すると、trainnet
によってネットワークが検証されるたびに Figure に検証メトリクスが表示されます。Figure には、損失と、名前と値のオプション Metrics
で指定した任意のメトリクスがプロットされます。既定では、ソフトウェアはプロットに線形スケールを使用します。Y 軸に対数スケールを指定するには、座標軸ツール バーの対数スケール ボタンを選択します。
学習中、右上隅の停止ボタンをクリックして学習を停止し、ネットワークの現在の状態を返すことができます。停止ボタンのクリックの後、学習が完了するまでしばらくかかることがあります。学習が完了すると、trainnet
が学習済みネットワークを返します。
OutputNetwork
学習オプションを "best-validation"
として指定すると、最適な検証メトリクス値での反復に対応する最終値が得られます。ここで、最適化されたメトリクスは ObjectiveMetricName
学習オプションで指定されます。最後の学習反復に対応する最終メトリクスを取得するには、OutputNetwork
学習オプションを "last-iteration"
として指定します。
ペインの右側には、学習の時間と設定に関する情報が表示されます。学習オプションの詳細は、パラメーターの設定と畳み込みニューラル ネットワークの学習を参照してください。
学習の進行状況のプロットを保存するには、学習ウィンドウの [イメージとしてエクスポート] をクリックします。プロットは PNG、JPEG、TIFF、または PDF ファイルとして保存できます。座標軸ツール バーを使用して個々のプロットを保存することもできます。
学習時の進行状況のプロット
ネットワークに学習させ、学習中にその進行状況をプロットします。
MAT ファイル DigitsDataTrain.mat
および DigitsDataTest
.mat
から学習データとテスト データをそれぞれ読み込みます。学習データ セットとテスト データ セットにはそれぞれ、5000 個のイメージが含まれています。
load DigitsDataTrain.mat load DigitsDataTest.mat
dlnetwork
オブジェクトを作成します。
net = dlnetwork;
分類分岐の層を指定し、それをネットワークに追加します。
layers = [ imageInputLayer([28 28 1]) convolution2dLayer(3,8,Padding="same") batchNormalizationLayer reluLayer maxPooling2dLayer(2,Stride=2) convolution2dLayer(3,16,Padding="same") batchNormalizationLayer reluLayer maxPooling2dLayer(2,Stride=2) convolution2dLayer(3,32,Padding="same") batchNormalizationLayer reluLayer fullyConnectedLayer(10) softmaxLayer]; net = addLayers(net,layers);
ネットワーク学習のオプションを指定します。学習中に一定の間隔でネットワークを検証するための検証データを指定します。精度と F 値のメトリクス値を記録します。学習中に学習の進行状況をプロットするには、Plots
学習オプションを "training-progress"
に設定します。
options = trainingOptions("sgdm", ... MaxEpochs=8, ... Metrics = ["accuracy","fscore"], ... ValidationData={XTest,labelsTest}, ... ValidationFrequency=30, ... Verbose=false, ... Plots="training-progress");
ネットワークに学習をさせます。
net = trainnet(XTrain,labelsTrain,net,"crossentropy",options);
参考
trainnet
| trainingOptions
| dlnetwork