Main Content

深層ニューラル ネットワークの可視化

学習の進行状況のプロット、精度の評価、予測の説明、およびイメージ ネットワークによって学習された特徴の可視化

ネットワークの精度と損失の組み込みプロットを使用して進行状況を監視します。Grad-CAM、オクルージョン感度、LIME、Deep Dream などの可視化手法を使用して、学習済みネットワークを調査します。

アプリ

ディープ ネットワーク デザイナー深層学習ネットワークの設計と可視化

関数

すべて展開する

analyzeNetwork深層学習ネットワーク アーキテクチャの解析
trainingProgressMonitor深層学習カスタム学習ループの学習進行状況の監視およびプロット (R2022b 以降)
updateInfoUpdate information values for custom training loops (R2022b 以降)
recordMetricsRecord metric values for custom training loops (R2022b 以降)
groupSubPlotGroup metrics in training plot (R2022b 以降)
plotニューラル ネットワーク アーキテクチャのプロット
testnetTest deep learning neural network (R2024b 以降)
predict推論用の深層学習ネットワーク出力の計算
minibatchpredictMini-batched neural network prediction (R2024a 以降)
scores2label予測スコアからラベルへの変換 (R2024a 以降)
deepDreamImageDeep Dream を使用したネットワークの特徴の可視化
occlusionSensitivityExplain network predictions by occluding the inputs
imageLIMEExplain network predictions using LIME (R2020b 以降)
gradCAMGrad-CAM を使用したネットワーク予測の説明 (R2021a 以降)
confusionchart分類問題用の混同行列チャートの作成
sortClasses混同行列チャートのクラスの並べ替え
rocmetricsReceiver operating characteristic (ROC) curve and performance metrics for binary and multiclass classifiers (R2022b 以降)
addMetricsCompute additional classification performance metrics (R2022b 以降)
averageCompute performance metrics for average receiver operating characteristic (ROC) curve in multiclass problem (R2022b 以降)

プロパティ

ConfusionMatrixChart PropertiesConfusion matrix chart appearance and behavior
ROCCurve PropertiesReceiver operating characteristic (ROC) curve appearance and behavior (R2022b 以降)

トピック

解釈可能性

学習の進行状況とパフォーマンス

注目の例