打开这个示例以加载一个带有预先配置的实验的项目，您可以检查并运行这个实验。打开实验，在实验的浏览器窗格中，双击实验的名称(实验1).

或者，您可以按照以下步骤自己配置实验。

1.打开实验管理器。对话框提供指向入门教程和您最近的项目的链接，以及用于创建新项目或打开文档中的示例的按钮。

2.下刚出现的选择项目．一个对话框列出了几个支持工作流的模板，包括图像分类、图像回归、序列分类、语义分割和自金宝app定义训练循环。

3.根据图像分类实验选择基于扫描超参数的图像分类．

4.指定新项目的名称和位置。实验经理在项目中打开一个新的实验。的实验窗格显示定义实验的描述、超参数、设置功能和指标。

5.在描述字段，输入实验的描述:

数字分类，使用不同的初始学习速率。

6.下超参数，替换的值myInitialLearnRate与0.0025:0.0025:0.015.核实策略被设置为彻底扫除．

7.根据设置功能,点击编辑．setup函数在MATLAB编辑器中打开。设置功能指定实验的训练数据、网络架构和训练选项。在本实验中，设置功能分为三个部分。

当您运行实验时，实验管理器对设置功能定义的网络进行六次训练。每次试验使用超参数表中指定的一个学习率。默认情况下，实验管理器每次运行一个试验。如果您有并行计算工具箱，您可以在同一时间运行多个试验。为了获得最好的结果，在您运行您的实验之前，启动一个与gpu一样多的worker的并行池。有关更多信息，请参见使用实验管理器并行训练网络和GPU支金宝app持情况（并行计算工具箱）．

结果表显示了每次试验的准确性和损失。

在实验运行时，单击训练区显示训练图并跟踪每次试验的进度。您还可以在MATLAB命令窗口中监视训练进度。

点击混淆矩阵显示每个已完成试验中验证数据的混淆矩阵。

实验完成后，您可以使用过滤器窗格。您还可以通过向结果表添加注释来记录观察结果。有关更多信息，请参见对实验结果进行排序、过滤和注释．

要测试单个试验的性能，请导出经过培训的网络或试验的培训信息。上实验经理将来发布,选择出口>训练网络或出口>培训信息,分别。有关更多信息，请参见网和信息．

要关闭实验，请在实验的浏览器窗格中，右键单击项目名称并选择关闭项目．实验管理器关闭项目中包含的所有实验和结果。

打开这个示例以加载一个带有预先配置的实验的项目，您可以检查并运行这个实验。打开实验，在实验的浏览器窗格中，双击实验的名称(实验1).

或者，您可以按照以下步骤自己配置实验。

1.打开实验管理器。对话框提供指向入门教程和您最近的项目的链接，以及用于创建新项目或打开文档中的示例的按钮。

2.下刚出现的选择项目．一个对话框列出了几个支持工作流的模板，包括图像分类、图像回归、序列分类、语义分割和自金宝app定义训练循环。

3.根据形象回归实验选择扫描超参数图像回归．

4.指定新项目的名称和位置。实验经理在项目中打开一个新的实验。的实验窗格显示定义实验的描述、超参数、设置功能和指标。

5.在描述字段，输入实验的描述:

回归预测旋转角度的数字，使用不同的初始学习速率。

6.下超参数，替换的值myInitialLearnRate与0.001:0.001:0.006.核实策略被设置为彻底扫除．

7.根据设置功能,点击编辑．setup函数在MATLAB编辑器中打开。设置功能指定实验的训练数据、网络架构和训练选项。在本实验中，设置功能分为三个部分。

当您运行实验时，实验管理器对设置功能定义的网络进行六次训练。每次试验使用超参数表中指定的一个学习率。默认情况下，实验管理器每次运行一个试验。如果您有并行计算工具箱，您可以在同一时间运行多个试验。为了获得最好的结果，在您运行您的实验之前，启动一个与gpu一样多的worker的并行池。有关更多信息，请参见使用实验管理器并行训练网络和GPU支金宝app持情况（并行计算工具箱）．

结果表显示了每次试验的均方根误差（RMSE）和损失。

在实验运行时，单击训练区显示训练图并跟踪每次试验的进度。您还可以在MATLAB命令窗口中监视训练进度。

实验完成后，您可以使用过滤器窗格。您还可以通过向结果表添加注释来记录观察结果。有关更多信息，请参见对实验结果进行排序、过滤和注释．

要测试单个试验的性能，请导出经过培训的网络或试验的培训信息。上实验经理将来发布,选择出口>训练网络或出口>培训信息,分别。有关更多信息，请参见网和信息．

要关闭实验，请在实验的浏览器窗格中，右键单击项目名称并选择关闭项目．实验管理器关闭项目中包含的所有实验和结果。

这个例子展示了如何使用自定义训练循环来使用图像分类的训练实验模板。使用此模板，您可以快速设置自定义训练实验。

打开这个示例以加载一个带有预先配置的实验的项目，您可以检查并运行这个实验。打开实验，在实验的浏览器窗格中，双击实验的名称(实验1).

或者，您可以按照以下步骤自己配置实验。

1.打开实验管理器。对话框提供指向入门教程和您最近的项目的链接，以及用于创建新项目或打开文档中的示例的按钮。

2.下刚出现的选择项目．一个对话框列出了几个支持工作流的模板，包括图像分类、图像回归、序列分类、语义分割和自金宝app定义训练循环。

3.根据图像分类实验选择基于自定义训练循环的图像分类．

4.选择新项目的位置和名称。实验经理在项目中打开一个新的实验。的实验窗格显示定义实验的描述、超参数和训练函数。

3.在描述字段，输入实验的描述:

数字分类，使用不同的初始学习速率。

4.下超参数，替换的值myInitialLearnRate与0.0025:0.0025:0.015.核实策略被设置为彻底扫除．

5.下培训职能,点击编辑。培训功能在MATLAB编辑器中打开。培训功能指定了实验使用的培训数据、网络架构、培训选项和培训程序。在本实验中，培训功能分为四个部分。

当您运行实验时，实验管理器对训练函数定义的网络进行六次训练。每次试验使用超参数表中指定的一个学习率。默认情况下，实验管理器每次运行一个试验。如果您有并行计算工具箱，您可以在同一时间运行多个试验。为了获得最好的结果，在您运行您的实验之前，启动一个与gpu一样多的worker的并行池。有关更多信息，请参见使用实验管理器并行训练网络和GPU支金宝app持情况（并行计算工具箱）．

结果表显示了每次试验的训练损失。

在实验运行时，单击训练区展示训练图，并跟踪每次试验的进度。

实验完成后，您可以使用过滤器窗格。您还可以通过向结果表添加注释来记录观察结果。有关更多信息，请参见对实验结果进行排序、过滤和注释．

为了测试个别试验的性能，输出试验的训练输出。在实验经理将来发布,选择出口. 在本实验中，训练输出是一个包含训练损失值和训练网络值的结构。

要关闭实验，请在实验的浏览器窗格中，右键单击项目名称并选择关闭项目．实验管理器关闭项目中包含的所有实验和结果。

的指标节指定用于评估实验结果的函数。度量函数的输入是一个有三个字段的结构:

度量函数的输出必须是标量数、逻辑值或字符串。

如果您的实验使用贝叶斯优化，选择一个指标进行优化优化列表。在方向列表中，指定要最大化或最小化这个指标。实验管理器使用这个度量来确定实验超参数的最佳组合。您可以从表中选择一个标准的训练或验证度量(例如准确性、RMSE或损失)或自定义度量。

的培训职能指定实验使用的训练数据、网络体系结构、训练选项和训练过程。培训功能的输入为：

实验管理器保存了训练函数的输出，可以在训练完成后导出到MATLAB工作空间。

如果你的实验使用贝叶斯优化，在指标第节，下优化，输入要优化的度量的名称。在方向列表中，指定要最大化或最小化这个指标。实验管理器使用这个度量来确定实验超参数的最佳组合。你可以选择你定义的任何指标实验。监控对象为训练函数。

实验管理器提供了两种中断实验的选项:

这两个选项都保存任何已完成试验的结果，并取消任何排队试验。通常情况下,取消快于停止．

您可以停止正在运行的单个试验或取消单个排队试验，而不是停止一个试验。在进步在结果表的列中，单击停止按钮或取消按钮的审判。

培训完成后，您可以重新启动已停止或取消的试验。在进步列，单击Restart按钮的审判。

或者，要重新启动您取消的所有试验，请在“试验管理器”工具栏中单击重启都取消了．

要对结果表中的试验进行排序，请使用对应于训练或验证指标的下拉菜单。

要从结果表中过滤试验，请使用过滤器窗格。

要记录对实验结果的观察，请添加注释。

打开注释窗格并查看您的所有注释，在实验管理器工具条上，选择注释>看注释．

在第一次实验结果窗格中,单击查看实验源链接。实验经理打开实验源窗格，其中包含生成第一组结果的实验定义。单击窗格底部的链接，打开第一次运行实验时使用的设置函数。您可以复制这个设置函数，使用简单的分类网络重新运行实验。

在第二个实验结果窗格中,单击查看实验源链接。实验经理打开实验源窗格，其中包含生成第二组结果的实验定义。单击窗格底部的链接打开第二次运行实验时使用的设置函数。您可以复制此设置函数以使用转移学习重新运行实验。

“实验管理器”存储您使用的所有函数的副本，因此在修改和重新运行实验时不必手动重命名这些函数。