开放实验

首先，打开示例。“实验管理器”加载带有预配置实验的项目，您可以检查并运行该实验。要打开实验，请在实验浏览器窗格中，双击实验的名称(增广数据实验）.

内置训练实验包括描述、超参数表、设置函数和用于评估实验结果的度量函数集合。有关详细信息，请参阅配置内置训练实验．

这个描述字段包含实验的文本描述。对于本例，说明如下：

使用数据图像增强对数字数据集应用随机平移和水平反射的分类。

这个超参数部分指明策略(彻底扫除)和用于实验的超参数值。当您运行实验时，experiment Manager使用超参数表中指定的每个超参数值组合来训练网络。这个例子使用了两个超参数，网络和培训选项．

网络指定要训练的网络。此超参数的可能值为：

培训选项指示用于训练网络的选项集。这个超参数的可能值是:

这个设置功能配置实验的训练数据、网络架构和训练选项。检查设置功能，在设置功能,点击编辑．setup函数在MATLAB编辑器中打开。

设置函数的输入是一个结构，其中包含hyperparameter表中的字段。setup函数返回三个输出，用于训练网络解决图像分类问题。设置功能有三个部分。

请注意，当您设置训练选项时，实验管理器不支持并行执行金宝app“执行环境”到“multi-gpu”或“平行”或者启用培训选项“DispatchInBackground”. 有关详细信息，请参阅配置内置训练实验．

这个韵律学节指定对实验结果进行评估的可选函数。本示例不包括任何自定义度量函数。

开始平行池

如果您有多个GPU，并行执行通常会提高实验的速度。为了获得最佳结果，在运行实验之前，启动一个并行池，让GPU中的工作线程数量达到GPU的数量。您可以使用gpuDeviceCount功能:

numGPUs = gpuDeviceCount (“可用”）;parpool (numGPUs);

然而，如果你有一个单一的GPU，所有的工作人员共享该GPU，所以你不能获得训练加速，你增加了GPU耗尽内存的机会。为了在单个GPU上训练深度网络时继续使用MATLAB，在并行运行实验之前，先用单个worker启动一个并行池。

使用GPU进行深度学习需要并行计算工具箱和支持的GPU设备。金宝app有关更多信息，请参见GPU支金宝app持情况（并行计算工具箱）．

并行运行实验

要运行您的实验，请在“实验管理器”工具栏上单击使用并行然后跑. 如果当前没有并行池，实验管理器将使用默认集群配置文件启动一个并行池。然后，实验管理器根据可用的并行工作者数量同时执行多个试验。每个试验使用不同的超参数值组合。

结果表显示了每次试验的准确性和损失。

当实验运行时，您可以通过显示每个试验的训练图来跟踪其进度。选择一个试用版并单击训练区．

停止、取消和重新启动试用

实验管理器运行与并行池中工作人员数量相同的同时试验。您实验中的所有其他试验都将排队等待后续评估。当您的试验正在运行时，您可以停止正在运行的试验或取消排队的试验。在进步列，单击要停止或取消的每个试验的红色方框图标。

例如，使用“7层”仅经过几次迭代，网络就变得未定义。

继续这些试验的培训不会产生任何有用的结果，因此您可以在培训完成之前停止这些试验。实验经理继续进行剩余试验的培训。

要记录停止每次试验的原因，可以添加一个注释。

培训完成后，您可以重新运行已停止或取消的试用。在进步列结果表，点击绿色三角形图标进行试验。

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

近距离实验

在实验浏览器窗格中，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。