Sincronizzazione e visualizzazione del Deep Learning
Utilizzare Deep Network Designer per costruire, visualizzare, modificare e addestrare in modo interattivo una rete di Deep Learning. Sincronizzare le opzioni di addestramento e migliorare la performance della rete spaziando tra gli iperparametri o utilizzando l’ottimizzazione bayesiana. Utilizzare Experiment Manager per gestire esperimenti di Deep Learning che addestrano le reti in varie condizioni iniziali e confrontano i risultati. Monitorare i progressi dell'addestramento utilizzando i grafici integrati sulla precisione e sulla perdita della rete. Per esaminare le reti addestrate, è possibile utilizzare tecniche di visualizzazione come Grad-CAM, sensibilità all'occlusione, LIME e deep dream. È inoltre possibile esaminare la solidità della rete utilizzando esempi avversari e testare la rete addestrata effettuando previsioni con nuovi dati.
Categorie
- App Deep Network Designer
Creare e addestrare in modo interattivo reti di Deep Learning
- App Experiment Manager
Addestrare le reti in condizioni iniziali multiple, sincronizzare le opzioni di addestramento in modo interattivo e valutare i risultati
- Sincronizzazione del Deep Learning
Ottimizzare le opzioni di addestramento in modo programmatico, riprendere l’addestramento da un checkpoint ed esaminare gli esempi avversari
- Visualizzazione del Deep Learning
Tracciare i progressi dell'addestramento, valutare la precisione, spiegare le previsioni e visualizzare le feature apprese da una rete
- Verifica del Deep Learning
Addestrare reti solide e verificare la solidità della rete