Main Content

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

딥러닝 시각화

훈련 진행 상황 플로팅, 정확도 평가, 예측 설명 및 신경망이 학습한 특징 시각화

신경망의 정확도 및 손실을 표현하는 내장된 플롯을 사용하여 훈련 진행 상황을 모니터링합니다. Grad-CAM, 가림 감도, LIME, 딥 드림 같은 시각화 기법을 사용하여 훈련된 신경망을 조사합니다.

심층 신경망 디자이너딥러닝 신경망의 설계, 시각화 및 훈련

함수

모두 확장

analyzeNetwork딥러닝 신경망 아키텍처 분석
plot신경망 계층 그래프 플로팅
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
gradCAMExplain network predictions using Grad-CAM
confusionchartCreate confusion matrix chart for classification problem
sortClassesSort classes of confusion matrix chart

속성

ConfusionMatrixChart PropertiesConfusion matrix chart appearance and behavior

도움말 항목

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.

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.

Interpret Deep Network Predictions on Tabular Data Using LIME

This example shows how to use the locally interpretable model-agnostic explanations (LIME) technique to understand the predictions of a deep neural network classifying tabular data.

Investigate Spectrogram Classifications Using LIME

This example shows how to use locally interpretable model-agnostic explanations (LIME) to investigate the robustness of a deep convolutional neural network trained to classify spectrograms.

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.

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