Main Content

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

객체

trainingProgressMonitorMonitor and plot training progress for deep learning custom training loops

함수

모두 확장

analyzeNetwork딥러닝 신경망 아키텍처 분석
plot신경망 아키텍처 플로팅
updateInfoUpdate information values for custom training loops
recordMetricsRecord metric values for custom training loops
groupSubPlotGroup metrics in training plot
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
resetState신경망의 상태 파라미터 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
rocmetricsReceiver operating characteristic (ROC) curve and performance metrics for binary and multiclass classifiers
addMetricsCompute additional classification performance metrics
averageCompute performance metrics for average receiver operating characteristic (ROC) curve in multiclass problem
plotPlot receiver operating characteristic (ROC) curves and other performance curves

속성

ConfusionMatrixChart PropertiesConfusion matrix chart appearance and behavior
ROCCurve PropertiesReceiver operating characteristic (ROC) curve appearance and behavior

도움말 항목