文档帮助中心文档
使用Deep Network Designer以交互方式构建、可视化、编辑和训练深度学习网络。通过扫描超参数或使用贝叶斯优化,调整训练选项并提高网络性能。使用实验管理器管理在各种初始条件下训练网络的深度学习实验,并比较结果。使用内置的网络准确度和损失图监控训练进度。要调查训练过的网络,可以使用可视化技术,如梯度CAM、遮挡敏感度、石灰和深度梦。还可以使用对抗性示例调查网络鲁棒性,并通过使用新数据进行预测来测试训练过的网络.
使用预训练的深度卷积神经网络GoogLeNet对网络摄像头中的图像进行实时分类。
交互式微调预训练的深度学习网络,以学习新的图像分类任务。
使用局部可解释模型不可知解释(LIME)来理解深层神经网络做出分类决策的原因。
配置一个实验,替换不同预训练网络的层以进行迁移学习。
使用贝叶斯优化找到序列到序列回归的最佳数据结构和网络配置。
创建一个定制的训练实验来生成花的图像。
在进入该项目之前,您必须遵守以下规定:
在澳大利亚的MATLAB中,您的名字是durch Eingabe。韦伯·朗瑟·恩特森·基恩·贝维尔。
选择一个网站以获取翻译后的内容(如果可用),并查看本地活动和优惠。根据您的位置,我们建议您选择:.
您还可以从以下列表中选择网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区网站未针对您所在地的访问进行优化。
联系当地办事处