Gestione degli esperimenti
Utilizzare l'applicazione Experiment Manager per trovare le opzioni di addestramento ottimali per le reti neurali, spaziando in un intervallo di valori di iperparametri o utilizzando l'ottimizzazione bayesiana. Utilizzare la funzione integrata trainnet
o definire una funzione di addestramento personalizzata. Monitorare i progressi utilizzando i grafici di addestramento. Utilizzare le matrici di confusione e le funzioni metriche personalizzate per valutare la rete addestrata.
Questa pagina contiene informazioni sugli esperimenti per i workflow di IA. Per informazioni generali sull'utilizzo dell'applicazione, vedere Experiment Manager.
App
Experiment Manager | Design and run experiments to train and compare deep learning networks (Da R2020a) |
Oggetti
experiments.Monitor | Update results table and training plots for custom training experiments (Da R2021a) |
Funzioni
groupSubPlot | Group metrics in experiment training plot (Da R2021a) |
recordMetrics | Record metric values in experiment results table and training plot (Da R2021a) |
updateInfo | Update information columns in experiment results table (Da R2021a) |
yscale | Set training plot y-axis scale (linear or logarithmic) (Da R2024a) |
Argomenti
- Run Experiments in Parallel
Run multiple simultaneous trials or one trial at a time on multiple workers. (Da R2020b)
- Offload Experiments as Batch Jobs to a Cluster
Run experiments on a cluster so you can continue working or close MATLAB®. (Da R2022a)
- Keyboard Shortcuts for Experiment Manager
Navigate Experiment Manager using only your keyboard.
- Create a Deep Learning Experiment for Classification
Train a deep learning network for classification using Experiment Manager. (Da R2020a)
- Create a Deep Learning Experiment for Regression
Train a deep learning network for regression using Experiment Manager. (Da R2020a)
- Evaluate Deep Learning Experiments by Using Metric Functions
Use metric functions to evaluate the results of an experiment. (Da R2020a)
- Tune Experiment Hyperparameters by Using Bayesian Optimization
Find optimal network hyperparameters and training options for convolutional neural networks. (Da R2020b)
- Use Bayesian Optimization in Custom Training Experiments
Create custom training experiments that use Bayesian optimization. (Da R2021b)
Risoluzione dei problemi
Debug Deep Learning Experiments
Diagnose problems in your setup, training, and metric functions. (Da R2023a)