Main Content

이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

딥러닝 조정 및 시각화

실험 관리, 훈련 진행 상황 플로팅, 정확도 평가, 예측, 훈련 옵션 조정 및 신경망이 학습한 특징 시각화

신경망 정확도 및 손실에 대한 내장된 플롯을 사용하여 훈련 진행 상황을 모니터링합니다. 신경망 성능을 향상시키기 위해 훈련 옵션을 조정하고 실험 관리자 또는 베이즈 최적화를 사용하여 최적의 하이퍼파라미터를 찾을 수 있습니다. 훈련된 신경망을 조사하기 위해 신경망이 학습한 특징을 시각화하고 딥 드림(deep dream) 영상을 만들 수 있습니다. 새로운 데이터를 사용해 예측하여 훈련된 신경망을 테스트해 보십시오. 여러 초기 조건하에서 신경망을 훈련시키는 딥러닝 실험을 관리하고 결과를 비교할 수 있습니다.

심층 신경망 디자이너딥러닝 신경망의 설계, 시각화 및 훈련
실험 관리자실험을 계획 및 실행하며 딥러닝 신경망을 훈련시키고 비교합니다.

함수

모두 확장

analyzeNetwork딥러닝 신경망 아키텍처 분석
plot신경망 계층 그래프 플로팅
trainingOptions딥러닝 신경망 훈련 옵션
trainNetwork딥러닝을 위해 신경망 훈련
activations딥러닝 신경망 계층 활성화 계산
predict훈련된 딥러닝 신경망을 사용하여 응답 변수 예측
classify훈련된 딥러닝 신경망을 사용하여 데이터 분류
predictAndUpdateState훈련된 순환 신경망을 사용하여 응답 변수 예측 및 신경망 상태 업데이트
classifyAndUpdateState훈련된 순환 신경망을 사용하여 데이터 분류 및 신경망 상태 업데이트
resetState순환 신경망의 상태 재설정
deepDreamImage딥 드림(Deep Dream)을 사용하여 신경망 특징 시각화
occlusionSensitivityExplain network predictions by occluding the inputs
imageLIMEExplain network predictions using LIME
confusionchartCreate confusion matrix chart for classification problem
sortClassesSort classes of confusion matrix chart

속성

ConfusionMatrixChart PropertiesConfusion matrix chart appearance and behavior

도움말 항목

조정

파라미터를 설정하고 컨벌루션 신경망 훈련시키기

컨벌루션 신경망의 훈련 파라미터를 설정하는 방법을 알아봅니다.

검사 지점 신경망에서 훈련 재개하기

이 예제에서는 딥러닝 신경망을 훈련시킬 때 검사 지점 신경망을 저장하고 이전에 저장한 신경망에서 훈련을 재개하는 방법을 보여줍니다.

베이즈 최적화를 사용한 딥러닝

이 예제에서는 딥러닝에 베이즈 최적화를 적용하여 컨벌루션 신경망을 위한 최적의 신경망 하이퍼파라미터와 훈련 옵션을 찾는 방법을 보여줍니다.

Train Deep Learning Networks in Parallel

This example shows how to run multiple deep learning experiments on your local machine.

Train Network Using Custom Training Loop

This example shows how to train a network that classifies handwritten digits with a custom learning rate schedule.

딥러닝 팁과 요령

딥러닝 신경망의 정확도를 높이는 방법을 알아봅니다.

실험

Create a Deep Learning Experiment for Classification

Train a deep learning network for classification using Experiment Manager.

Create a Deep Learning Experiment for Regression

Train a deep learning network for regression using Experiment Manager.

Use Experiment Manager to Train Networks in Parallel

Train deep networks in parallel using Experiment Manager.

Evaluate Deep Learning Experiments by Using Metric Functions

Use metric functions to evaluate the results of an experiment.

Tune Experiment Hyperparameters by Using Bayesian Optimization

Find optimal network hyperparameters and training options for convolutional neural networks.

Try Multiple Pretrained Networks for Transfer Learning

Configure an experiment that replaces layers of different pretrained networks for transfer learning.

Experiment with Weight Initializers for Transfer Learning

Configure an experiment that initializes the weights of convolution and fully connected layers using different weight initializers.

시각화

딥러닝을 사용하여 웹캠 영상 분류하기

이 예제에서는 사전 훈련된 심층 컨벌루션 신경망 GoogLeNet을 사용하여 웹캠의 영상을 실시간으로 분류하는 방법을 보여줍니다.

딥러닝 훈련 진행 상황 모니터링하기

딥러닝을 위해 신경망을 훈련시킬 때는 훈련 진행 상황을 모니터링하는 것이 유용한 경우가 종종 있습니다.

Grad-CAM Reveals the Why Behind Deep Learning Decisions

This example shows how to use the gradient-weighted class activation mapping (Grad-CAM) technique to understand why a deep learning network makes its classification decisions.

Understand Network Predictions Using Occlusion

This example shows how to use occlusion sensitivity maps to understand why a deep neural network makes a classification decision.

Understand Network Predictions Using LIME

This example shows how to use locally interpretable model-agnostic explanations (LIME) to understand why a deep neural network makes a classification decision.

Investigate Classification Decisions Using Gradient Attribution Techniques

This example shows how to use gradient attribution maps to investigate which parts of an image are most important for classification decisions made by a deep neural network.

Investigate Network Predictions Using Class Activation Mapping

This example shows how to use class activation mapping (CAM) to investigate and explain the predictions of a deep convolutional neural network for image classification.

Visualize Image Classifications Using Maximal and Minimal Activating Images

This example shows how to use a data set to find out what activates the channels of a deep neural network.

View Network Behavior Using tsne

This example shows how to use the tsne function to view activations in a trained network.

Monitor GAN Training Progress and Identify Common Failure Modes

Learn how to diagnose and fix some of the most common failure modes in GAN training.

GoogLeNet을 사용한 딥 드림 영상

이 예제에서는 사전 훈련된 컨벌루션 신경망 GoogLeNet으로 deepDreamImage를 사용하여 영상을 생성하는 방법을 보여줍니다.

컨벌루션 신경망의 활성화 시각화하기

이 예제에서는 컨벌루션 신경망에 영상을 입력하고 신경망의 여러 계층의 활성화 결과를 표시하는 방법을 보여줍니다.

Visualize Activations of LSTM Network

This example shows how to investigate and visualize the features learned by LSTM networks by extracting the activations.

컨벌루션 신경망의 특징 시각화하기

이 예제에서는 컨벌루션 신경망이 학습한 특징을 시각화하는 방법을 보여줍니다.

추천 예제