このページ最新ではありませ。をクリックし,英语のの最新版版を参照参照し。
深层学习の化
ネットワークの精度と損失の組み込みプロットを使用して進行状況を監視します。Grad-CAM、オクルージョン感度、LIME、Deep Dream などの可視化手法を使用して、学習済みネットワークを調査します。
アプリ
ディープネットワークデザイナー | 深层学习の,可视化,学习学习 |
关数
プロパティ
混乱的Matrixchart属性 | 混淆矩阵图表外观和行为 |
トピック
この例では、事前学習済みの深層畳み込みニューラル ネットワーク GoogLeNet を使用して、Web カメラのイメージをリアルタイムで分類する方法を説明します。
深层学习にさせる场合学习进行状况をするすると役に立つ立つことことますますます
この例,感度マップ使用て深ニューラルネットワークネットワークによる分类の判定判定理由をを理解する方法方法をを
此示例显示了如何使用本地解释的模型不足解释(LIME)技术来了解深度神经网络对表格数据进行分类的预测。您可以使用石灰技术来了解哪些预测因素对于网络的分类决策最重要。
此示例显示了如何使用局部解释的模型不足解释(LIME)来研究经过对频谱图进行分类的深卷积神经网络的鲁棒性。石灰是一种可视化观察结果哪些部分有助于网络的分类决策的技术。此示例使用成像时
了解频谱图数据中哪些功能对于分类最重要。
こので勾配属性マップを使用て,层ネットワークネットワークによって分类分类ののの判定判定が行わ行われるれる际ににイメージのどのどのがが最も最も
この例クラス化(cam)ををし,深层深层畳み込みネットワークネットワークによるイメージ分类のの予测を调查调查しし说明说明
この例,セットをし何深层ネットワークののチャネルを活性化化するかか発见する方法方法をを
この例で,关数tsne
を使用学习ネットワークの活性化する方法を说明し。
ganので一般的なモードをしする方法を学び。
この例畳み込みニューラルにイメージしてネットワークのさまざまなな层の活性化化を表示するする方法方法方法。
この例では、活性化を抽出し、LSTM ネットワークによって学習された特徴を調査して可視化する方法を説明します。
この例では,畳み込みニューラルネットワークによって学習された特徴を可視化する方法を説明します。