创建一个深入学习的分类实验
这个例子展示了如何训练一个深度学习网络的分类使用实验经理．在此示例中，您培训两个网络以将MathWorks商品的图像分类为五类。每个网络都使用三种算法训练。在每种情况下，混淆矩阵将一组验证图像的真实类与培训的网络预测的类进行了比较。有关培训用于图像分类的网络的更多信息，请参阅培训深度学习网络以分类新图像．
开放实验
首先，打开示例。实验管理器加载一个带有预先配置的实验的项目，您可以检查并运行该实验。要开实验，在中实验的浏览器窗格，双击实验的名称（ClassificationExperiment)．
内置的训练实验包括一个描述、一个超参数表、一个设置函数和一组度量函数来评估实验的结果。有关更多信息，请参见配置内置培训实验．
的描述字段包含实验的文本描述。对于本例，描述如下:
商品使用： - 未经培训的网络（默认）或佩戴网络（Googlenet） - 用于培训网络的各种求解器（SGDM，RMSPROP或ADAM）
的Hyperparameters部分指定策略（详尽的扫描）和用于实验的超参数值。运行实验时，实验经理使用HyperParameter表中指定的HyperParameter值的每个组合来列车。此示例使用两个HyperParameters：
网络指定要训练的网络。选项包括“默认”(实验模板提供的用于图像分类的默认网络)和“googlenet”(预先训练过的google网络，经过修改的层次用于迁移学习)。求解器表示用于训练网络的算法。选项包括“SGDM”（随机梯度下降，动量），“rmsprop”(均方根传播)和“亚当”（自适应时刻估计）。有关这些算法的更多信息，请参阅随机梯度下降．
的设置函数配置实验的培训数据，网络架构和培训选项。检查设置功能，下设置函数， 点击编辑．安装功能在MATLAB®编辑器中打开。
setup函数的输入是一个带有超参数表字段的结构。setup函数返回三个输出，您可以使用它们训练网络以解决图像分类问题。setup函数有三个部分。
的指标部分指定评估实验结果的可选功能。此示例不包括任何自定义度量标准功能。
运行实验
当您运行实验时，实验管理器训练由设置函数定义的网络六次。每次试验都使用不同的超参数值组合。默认情况下，实验管理器每次运行一个试验。如果您有Parallel Computing Toolbox™，您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，请启动一个具有与gpu相同数量的worker的并行池。有关更多信息，请参见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)．
要在实验管理器工具系列上运行一个试验，请单击运行．
若要同时运行多个试验，请单击使用并行然后运行．如果当前没有并行池，Experiment Manager将使用默认的集群配置文件启动一个并行池。然后，根据并行工作器的数量，实验管理器会同时执行多个试验。
结果表显示了每次试验的准确性和损失。
实验正在运行时，单击培训策划显示培训情节并跟踪每次试验的进度。
评估结果
要找到实验的最佳结果，请通过验证精度对结果进行排序。
指出验证准确性列。
单击三角形图标。
选择按降序排序．
验证准确性最高的试验显示在结果表的顶部。
要显示此试验的混淆矩阵，请在结果表中选择最上面一行并单击混乱矩阵．
要记录关于实验结果的观察，请添加注释。
在结果表中，右键单击验证准确性细胞的最佳试验。
选择添加注释．
在里面注释窗格中，在文本框中输入您的观察结果。
有关更多信息，请参见排序，过滤和注释实验结果．
关闭实验
在里面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。
另请参阅
应用程序
功能
相关话题
您还可以从以下列表中选择一个网站：
