打开该示例以加载项目，使用预配置的实验，您可以检查和运行。打开实验，在实验浏览器窗格，双击实验的名称（实验1）。

或者，您可以通过以下步骤自行配置实验。

1.开放实验经理。一个对话框提供与入门教程和最近的项目的链接，以及按钮以创建新项目或从文档中打开示例。

2.新的， 选择项目。一个对话框列出了几个支持工作流程的模板，包括图像分类，图像回归，序列分类，语义分段和金宝app自定义培训循环。

3.在图像分类实验， 选择通过扫描Quand参数进行图像分类。

4.指定新项目的名称和位置。实验经理在项目中开启了一个新的实验。这实验窗格显示定义实验的描述，超参数，设置功能和度量标准。

5.在描述字段，输入实验的描述：

数字分类，使用各种初始学习率。

6.普遍存在，更换值myinitiallearnrate.和0.0025：0.0025：0.015。验证战略被设置为彻底的扫描。

7.下面设置功能， 点击编辑。安装函数在MATLAB编辑器中打开。Setup功能指定实验的培训数据，网络架构和培训选项。在该实验中，设置功能有三个部分。

运行实验时，实验经理培训由设置功能定义的网络六次。每次试验都使用HyperParameter表中指定的学习速率之一。默认情况下，实验管理器一次运行一项试验。如果您有并行计算工具箱，则可以同时运行多个试验。为了获得最佳结果，在运行实验之前，请启动一个并行池，与GPU一样多的工人。有关更多信息，请参阅使用实验经理并行培训网络和GPU通金宝app过发布支持（并行计算工具箱）。

结果表显示了每次试验的准确性和损失。

实验正在运行时，单击培训情节显示培训情节并跟踪每次试验的进度。您还可以监视Matlab命令窗口中的培训进度。

点击混乱矩阵显示每个已完成的试用中的验证数据的混淆矩阵。

实验完成后，您可以通过使用列或过滤试验来对表进行排序过滤器窗格。您还可以通过向结果表添加注释来记录观察。有关更多信息，请参阅排序，过滤和注释实验结果。

要测试单个试验的性能，导出培训的网络或审判的培训信息。在这一点实验经理ToolStrip，选择出口>训练有素的网络要么出口>培训信息， 分别。有关更多信息，请参阅网和信息。

关闭实验，在其中实验浏览器窗格，右键单击项目的名称并选择关闭项目。实验经理关闭项目中包含的所有实验和结果。

打开该示例以加载项目，使用预配置的实验，您可以检查和运行。打开实验，在实验浏览器窗格，双击实验的名称（实验1）。

或者，您可以通过以下步骤自行配置实验。

1.开放实验经理。一个对话框提供与入门教程和最近的项目的链接，以及按钮以创建新项目或从文档中打开示例。

2.新的， 选择项目。一个对话框列出了几个支持工作流程的模板，包括图像分类，图像回归，序列分类，语义分段和金宝app自定义培训循环。

3.在图像回归实验， 选择通过扫描Quand参数来回归。

4.指定新项目的名称和位置。实验经理在项目中开启了一个新的实验。这实验窗格显示定义实验的描述，超参数，设置功能和度量标准。

5.在描述字段，输入实验的描述：

回归预测数字的旋转角度，使用各种初始学习速率。

6.普遍存在，更换值myinitiallearnrate.和0.001：0.001：0.006。验证战略被设置为彻底的扫描。

7.下面设置功能， 点击编辑。安装函数在MATLAB编辑器中打开。Setup功能指定实验的培训数据，网络架构和培训选项。在该实验中，设置功能有三个部分。

运行实验时，实验经理培训由设置功能定义的网络六次。每次试验都使用HyperParameter表中指定的学习速率之一。默认情况下，实验管理器一次运行一项试验。如果您有并行计算工具箱，则可以同时运行多个试验。为了获得最佳结果，在运行实验之前，请启动一个并行池，与GPU一样多的工人。有关更多信息，请参阅使用实验经理并行培训网络和GPU通金宝app过发布支持（并行计算工具箱）。

结果表显示了每次试用的根均匀误差（RMSE）和丢失。

实验正在运行时，单击培训情节显示培训情节并跟踪每次试验的进度。您还可以监视Matlab命令窗口中的培训进度。

实验完成后，您可以通过使用列或过滤试验来对表进行排序过滤器窗格。您还可以通过向结果表添加注释来记录观察。有关更多信息，请参阅排序，过滤和注释实验结果。

要测试单个试验的性能，导出培训的网络或审判的培训信息。在这一点实验经理ToolStrip，选择出口>训练有素的网络要么出口>培训信息， 分别。有关更多信息，请参阅网和信息。

关闭实验，在其中实验浏览器窗格，右键单击项目的名称并选择关闭项目。实验经理关闭项目中包含的所有实验和结果。

此示例显示如何使用自定义培训循环使用培训实验模板进行图像分类。使用此模板，您可以快速设置自定义培训实验。

打开该示例以加载项目，使用预配置的实验，您可以检查和运行。打开实验，在实验浏览器窗格，双击实验的名称（实验1）。

或者，您可以通过以下步骤自行配置实验。

1.开放实验经理。一个对话框提供与入门教程和最近的项目的链接，以及按钮以创建新项目或从文档中打开示例。

2.新的， 选择项目。一个对话框列出了几个支持工作流程的模板，包括图像分类，图像回归，序列分类，语义分段和金宝app自定义培训循环。

3.在图像分类实验， 选择使用自定义训练循环进行图像分类。

4.选择新项目的位置和名称。实验经理在项目中开启了一个新的实验。这实验窗格显示定义实验的描述，超参数和培训函数。

3.在描述字段，输入实验的描述：

数字分类，使用各种初始学习率。

4.下面普遍存在，更换值myinitiallearnrate.和0.0025：0.0025：0.015。

5.培训功能， 点击编辑。训练函数在Matlab编辑器中打开。培训函数指定实验使用的培训数据，网络架构，培训选项和培训过程。在该实验中，培训函数有四个部分。

当您运行实验时，实验经理培训由训练函数定义的网络六次。每次试验都使用HyperParameter表中指定的学习速率之一。默认情况下，实验管理器一次运行一项试验。如果您有并行计算工具箱，则可以同时运行多个试验。为了获得最佳结果，在运行实验之前，请启动一个并行池，与GPU一样多的工人。有关更多信息，请参阅使用实验经理并行培训网络和GPU通金宝app过发布支持（并行计算工具箱）。

结果表显示了每次试验的培训损失。

实验正在运行时，单击培训情节显示培训情节并跟踪每次试验的进度。

实验完成后，您可以通过使用列或过滤试验来对表进行排序过滤器窗格。您还可以通过向结果表添加注释来记录观察。有关更多信息，请参阅排序，过滤和注释实验结果。

要测试个别试验的表现，导出审判的培训产出。在这一点实验经理ToolStrip，选择出口。在该实验中，训练输出是包含训练丢失和训练网络的值的结构。

关闭实验，在其中实验浏览器窗格，右键单击项目的名称并选择关闭项目。实验经理关闭项目中包含的所有实验和结果。

这指标部分指定评估实验结果的功能。对度量函数的输入是具有三个字段的结构：

度量标准函数的输出必须是标量编号，逻辑值或字符串。

如果您的实验使用贝叶斯优化，请选择从中优化的度量优化列表。在里面方向列表，指定您想要的最大化要么最小化这个度量标准。实验经理使用此度量标准来确定高参数的最佳组合为您的实验。您可以从表中选择标准培训或验证度量（例如准确性，RMSE或丢失）或自定义度量标准。

这培训功能指定实验使用的培训数据，网络架构，培训选项和培训程序。培训函数的输入是：

实验管理器可节省培训函数的输出，因此您可以在培训完成时将其导出到MATLAB工作区。

要在结果表中对试验进行排序，请使用与训练或验证度量相对应的列的下拉菜单。

要从结果表中过滤试用时，请使用过滤器窗格。

要记录关于实验结果的观察，请添加注释。

打开注释窗格并查看所有注释，在实验管理器工具系列中，选择注释>查看注释。

在第一个实验结果窗格，单击查看实验来源关联。实验经理打开一个实验来源窗格包含产生第一套结果的实验​​定义。单击窗格底部的链接以打开第一次运行实验的安装功能。您可以将此设置功能复制以使用简单的分类网络重新运行实验。

第二个实验结果窗格，单击查看实验来源关联。实验经理打开一个实验来源包含产生第二组结果的实验​​定义的窗格。单击窗格底部的链接以打开第二次使用实验的设置功能。您可以使用转移学习复制此设置功能以重新运行实验。

实验管理器存储您使用的所有功能的副本，因此在修改和重新运行实验时，您不必手动重命名这些功能。