文档帮助中心文档
通过扫描超参数或使用贝叶斯优化,调整训练选项并提高网络性能。使用实验管理器管理在各种初始条件下训练网络的深度学习实验,并比较结果。使用内置的网络准确性和损失图监控培训进度。要调查经过训练的网络,您可以使用可视化技术,如渐变CAM、遮挡敏感度、石灰和深度梦。您还可以使用对抗性示例调查网络的健壮性,并通过使用新数据进行预测来测试经过培训的网络。
使用预训练的深度卷积神经网络GoogLeNet对网络摄像头中的图像进行实时分类。
使用遮挡敏感度贴图来了解深层神经网络做出分类决策的原因。遮挡敏感度是一种简单的技术,用于了解图像的哪些部分对深层网络的分类最重要。您可以使用小型pertu测量数据不同区域中网络对遮挡的敏感度数据的B分类。使用遮挡敏感度可以从较高的层次了解网络用于进行特定分类的图像特征,并深入了解网络可能对图像进行错误分类的原因。
使用局部可解释模型不可知解释(LIME)来理解深层神经网络做出分类决策的原因。
使用实验管理器并行训练深层网络。
配置一个实验,替换不同预训练网络的层以进行迁移学习。
比较序列到序列回归的不同数据预处理和网络深度配置。
您单击了与此MATLAB命令对应的链接:
通过在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站以获取翻译后的内容(如果可用),并查看本地活动和优惠。根据您的位置,我们建议您选择:.
您还可以从以下列表中选择网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区网站未针对您所在地的访问进行优化。
联系当地办事处