调优

参数设置与卷积神经网络训练

学习如何为卷积神经网络设置训练参数

从Checkpoint Network恢复培训

学习如何在训练卷积神经网络时保存检查点网络，并从先前保存的网络恢复训练

使用贝叶斯优化的深度学习

这个例子展示了如何将贝叶斯优化应用于深度学习，并为卷积神经网络找到最优的网络超参数和训练选项。

运行多个深度学习实验

这个例子展示了如何在本地机器上运行多个深度学习实验。

使用自定义训练循环训练网络

这个例子展示了如何训练一个使用自定义学习率计划分类手写数字的网络。

深度学习技巧和技巧

学习如何提高深度学习网络的准确性。

可视化

使用深度学习对网络摄像头图像进行分类

这个例子展示了如何使用预先训练好的深度卷积神经网络GoogLeNet对来自网络摄像头的图像进行实时分类。

监控深度学习训练进度

当你为深度学习训练网络时，监控训练进度通常是有用的。

Grad-CAM揭示深度学习决策背后的原因

Grad-CAM解释了为什么网络会做出决定。

使用遮挡理解网络预测

这个例子展示了如何使用遮挡敏感性映射来理解为什么深度神经网络会做出分类决策。

使用类激活映射研究网络预测

这个例子展示了如何使用类激活映射(CAM)来研究和解释用于图像分类的深度卷积神经网络的预测。

使用tsne查看网络行为

方法的使用tsne函数查看已训练网络中的激活。

卷积神经网络的可视化激活

这个例子展示了如何将图像输入卷积神经网络，并显示网络不同层的激活情况。

可视化LSTM网络的激活

这个例子展示了如何通过提取激活来调查和可视化LSTM网络学习的特征。

卷积神经网络的可视化特征

这个例子展示了如何将卷积神经网络学习到的特征可视化。