生成培训脚本

要生成实时脚本以重新创建在Deep network Designer中构建的网络的构建和训练，请在培训选项卡上,选择出口>生成用于培训的代码。选择MAT文件位置并单击好啊．有关如何在深度网络设计器中训练分类网络的示例，请参见使用深度网络设计器创建简单的图像分类网络．

深度网络设计师创建一个实时脚本和MAT文件，其中包含来自网络的初始参数(权重和偏差)。如果您将数据从工作区导入到Deep Network Designer中，那么生成的MAT文件也包含数据。

运行生成的脚本构建网络(包括MAT文件中的可学习参数)、导入数据、设置训练选项并训练网络。

开放实验管理器

“实验管理器”使您能够创建深度学习实验，以在各种初始条件下训练网络，并比较结果。您可以使用“实验管理器”在“深度网络设计器”中调整初始训练的网络。

开放实验管理器。

experimentManager

暂停项目并点击创造.Experience Manager提供了多个模板，支持许多深度学习工作流，包括图像分类、图像回归、序列金宝app分类、语义分割和自定义训练循环。

暂停内置的培训并点击添加．

指定新项目的名称和位置并单击拯救．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。

添加超参数

在hyperparameter表中，指定要在实验中使用的hyperparameters的值。运行实验时，实验管理器使用表中指定的hyperparameter值的每个组合来训练网络。在本例中，扫描初始学习速率。

下Hyperparameters点击添加添加一个新的超参数以进行扫描。

添加hyperparametermyInitialLearnRate．设置超参数以扫描值序列0.001:0.002:0.015．

使用生成的脚本创建安装函数

创建实验时，实验管理器将创建设置函数模板。要编辑此函数，请在下设置函数点击编辑．

空的setup函数实验1\u设置1在MATLAB编辑器中打开。实验管理器使用此函数的输出来调用trainNetwork函数。

设置功能用于指定实验的训练数据、网络体系结构和训练选项。

在设置功能内复制和粘贴由深度网络设计器生成的现场脚本。

适应设置函数输入参数

通过更改函数输入参数以匹配生成的脚本中的变量名，调整脚本以在实验管理器中使用。的输入参数实验1\u设置1必须匹配生成的脚本在调用中使用的trainNetwork．

在由Deep Network Designer生成的脚本中，在调用中，在生成的实时脚本底部找到数据、网络和培训选项的变量名trainNetwork．将setup函数的输入参数更改为匹配。例如，如果您生成的实时脚本调用trainNetwork与数据imdsTrain，网络lgraph，以及培训选项选择，则必须在实验设置函数输入参数中进行以下更改：

您可以通过在setup函数输入参数中查找黄色下划线来检查输入参数是否需要更改。

适应训练选项

改变训练选项，使实验管理器对学习率进行超参数扫描。

删除电话trainNetwork

实验管理器使用setup函数的输出来调用trainNetwork函数。删除对trainNetwork复制和粘贴生成的代码。

setup功能现在已经准备好了。点击拯救保存已编辑的设置功能。

运行实验

在实验管理器中，单击运行实验运行．当您运行实验时，实验管理器将训练由设置功能定义的网络。每次试验使用超参数表中指定的一个学习率。

在实验运行时，单击培训策划显示训练图并跟踪每次试验的进度。

结果表显示了每个试验的准确性和损失。实验完成后，您可以根据准确度或损失指标对试验进行排序，以查看哪个试验表现最好。在本实验中，试验6的初始学习率为0.0110，验证准确率最高。

结束实验，在实验的浏览器窗格中，右键单击项目的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。