このペ,ジの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
分類用の深層学習実験の作成
この例では,実験マネジャを使用して分類用の深層学習ネットワ,クに学習させる方法を説明します。ここでは2つのネットワークに学習させて,MathWorks商品のイメージを5つのクラスに分類します。各ネットワクの学習に3のアルゴリズムを使用します。どの場合も,混同行列を使用して,検証イメージのセットの真のクラスと,学習済みネットワークによって予測されたクラスを比較します。イメージ分類用のネットワークの学習の詳細については,新しいメジを分類するための深層学習ネットワクの学習を参照してください。
実験を開く
まず,例を開きます。実験マネジャによって、検証と実行が可能な事前構成済みの実験を含むプロジェクトが読み込まれます。実験を開くには、[実験ブラウザ]ペesc escンで,実験の名前(ClassificationExperiment
)をダブルクリックします。
組み込みの学習実験は,説明,ハイパーパラメーターのテーブル,セットアップ関数,および実験の結果を評価するためのメトリクス関数の集合で構成されます。詳細にいては,深層学習実験の構成を参照してください。
[説明]フィ,ルドには,実験を説明するテキストが表示されます。この例の説明は次のようになります。
商品图像分类使用:-未经训练的网络(默认)或预训练的网络(googlenet) -训练网络的各种求解器(sgdm, rmsprop或adam)
[ハ]セクションでは、実験で使用する手法(详尽的扫描
)とハパパラメタ値を指定します。実験を実行すると,実験マネージャーは,ハイパーパラメーターテーブルで指定されたハイパーパラメーター値のすべての組み合わせを使用してネットワークに学習させます。この例では,以下の2のハパパラメタを使用します。
网络
は,学習を行うネットワ,クを指定します。このオプションには,“默认”
(メジ分類用の実験テンプレトによって指定された既定のネットワク)“googlenet”
(転移学習用に変更された層をもつ事前学習済みのGoogLeNetネットワーク)が含まれています。解算器
は,ネットワ,クの学習に使用するアルゴリズムを示します。このオプションには,“个”
(モ,メンタム項付き確率的勾配降下法),“rmsprop”
(平方根平均二乗伝播)、および“亚当”
(適応モ,メント推定)が含まれています。これらのアルゴリズムの詳細にいては,確率的勾配降下法を参照してください。
[セットアップ関数]は,実験用の学習デ,タ,ネットワ,クア,キテクチャ,および学習オプションを構成します。セットアップ関数を検査するには,[セットアップ関数]で[編集]をクリックします。MATLAB® エディターでセットアップ関数が開きます。
セットアップ関数への入力は,ハパパラメタテブルのフィルドをも構造体です。このセットアップ関数は,イメージ分類問題用のネットワークに学習させるために使用する3つの出力を返します。このセットアップ関数には3のセクションがあります。
学習デ,タの読み込みでは,学習デタと検証デタを含むメジデタストアを定義します。この例では,
MerchData.zip
ファ@ @ルから@ @メ@ @ジを読み込みます。これは5つの異なるクラスに属する75個のMathWorks商品のイメージを含む小さなデータセットです。イメージのサイズは227 x 227 x 3です。このデタセットの詳細にいては,イメージデータセットを参照してください。ネットワ,クア,キテクチャの定義では,深層学習による分類用の畳み込みニュ,ラルネットワ,クのア,キテクチャを定義します。この例では,学習を行うネットワクの選択は,ハパパラメタ
网络
の値によって異なります。学習オプションの指定では,実験用の
オブジェクトを定義します。この例では,ハイパーパラメーター テーブルのtrainingOptions
解算器
エントリで指定されるアルゴリズムを使用して,ネットワ,クの学習を8エポック行います。
[メトリクス]セクションは,実験結果を評価するオプションの関数を指定します。この例では,カスタムのメトリクス関数は含まれていません。
実験の実行
実験を実行すると,実験マネージャーはセットアップ関数で定義されたネットワークに6回学習させます。。既定では、実験マネ、ジャ、は一度に1の試行を実行します。并行计算工具箱™がある場合は,複数の試行を同時に実行できます。最良の結果を得るには,実験を実行する前に,gpuと同じ数のワ,カ,で並列プ,ルを起動します。詳細にいては,実験マネ,ジャ,を使用したネットワ,クの並列学習とリリス別のgpuサポト(并行计算工具箱)を参照してください。
一度に1の実験の試行を実行するには,[実験マネジャ]ルストリップで[実行]をクリックします。
複数の試行を同時に実行するには,[並列の使用]、[実行]の順にクリックします。現在の並列プールがない場合,実験マネージャーは既定のクラスタープロファイルを使用して並列プールを起動します。次に,実験マネ,ジャ,は,使用可能な並列ワ,カ,の数に応じて,複数の同時試行を実行します。
結果テ,ブルに,各試行の精度と損失が表示されます。
実験の実行中に[学習プロット]をクリックすると,学習プロットが表示され,各試行の進行状況を追跡できます。
結果の評価
実験で得られた最良の結果を見けるには,検証精度の順に結果テブルを並べ替えます。
[検証精度]列をポ@ @ントします。
三角形のア@ @コンをクリックします。
[降順に並べ替え]を選択します。
検証精度の最も高い試行が,結果テ,ブルの1番上に表示されます。
この試行の混同行列を表示するには,結果テ,ブルで先頭の行を選択し,[混同行列]をクリックします。
実験結果に関する観測結果を記録するには,注釈を追加します。
結果テ,ブルで,最適な結果が得られた試行の[検証精度]セルを右クリックします。
[注釈の追加]を選択します。
[注釈]ペesc escンで,テキストボックスに観測結果を入力します。
詳細にいては,実験結果の並べ替えとフィルタ,処理を参照してください。
実験を閉じる
[実験ブラウザ]ペ电子邮箱ンでプロジェクトの名前を右クリックし,[プロジェクトを閉じる]を選択します。実験マネ,ジャ,によって,プロジェクトに含まれるすべての実験と結果が閉じられます。