이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.

딥러닝 조정 및 시각화

훈련 진행 상황 플로팅, 정확도 평가, 예측, 훈련 옵션 조정 및 네트워크가 학습한 특징 시각화

네트워크 정확도 및 손실에 대한 내장된 플롯을 사용하여 딥러닝 훈련 진행 상황을 모니터링합니다. 네트워크 성능을 향상시키기 위해 훈련 옵션을 조정하고 베이즈 최적화를 사용하여 최적의 하이퍼파라미터를 찾을 수 있습니다. 훈련된 네트워크를 조사하기 위해 네트워크가 학습한 특징을 시각화하고 딥 드림(deep dream) 영상을 만들 수 있습니다. 새로운 데이터를 사용해 예측하여 훈련된 네트워크를 테스트해 보십시오.

심층 네트워크 디자이너딥러닝 신경망의 편집 및 생성

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 네트워크 특징 시각화
occlusionSensitivityDetermine how input data affects output activations by occluding input
confusionchartCreate confusion matrix chart for classification problem
ConfusionMatrixChart PropertiesConfusion matrix chart appearance and behavior
sortClassesSort classes of confusion matrix chart

도움말 항목

조정

파라미터를 설정하고 컨벌루션 신경망 훈련시키기

컨벌루션 신경망의 훈련 파라미터를 설정하는 방법을 알아봅니다.

검사 지점 네트워크에서 훈련 재개하기

컨벌루션 신경망을 훈련시킬 때 검사 지점 네트워크를 저장하고 이전에 저장한 네트워크에서 훈련을 재개하는 방법을 알아봅니다.

베이즈 최적화를 사용한 딥러닝

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

Run Multiple Deep Learning Experiments 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.

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 네트워크를 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.

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.

View Network Behavior Using tsne

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

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