Main Content

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

시각화 및 해석 가능성

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

신경망의 정확도와 손실을 표현하는 내장 플롯을 사용하여 훈련 진행 상황을 모니터링합니다. Grad-CAM, 가림(occlusion) 민감도, LIME, 딥 드림 같은 시각화 기법을 사용하여 훈련된 신경망을 조사합니다.

딥러닝 시각화 방법

심층 신경망 디자이너딥러닝 신경망의 설계, 시각화 및 훈련

객체

trainingProgressMonitorMonitor and plot training progress for deep learning custom training loops (R2022b 이후)

함수

모두 확장

analyzeNetwork딥러닝 신경망 아키텍처 분석
plot신경망 아키텍처 플로팅
updateInfoUpdate information values for custom training loops (R2022b 이후)
recordMetricsRecord metric values for custom training loops (R2022b 이후)
groupSubPlotGroup metrics in training plot (R2022b 이후)
activations딥러닝 신경망 계층 활성화 계산
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 (R2022b 이후)
addMetricsCompute additional classification performance metrics (R2022b 이후)
averageCompute performance metrics for average receiver operating characteristic (ROC) curve in multiclass problem (R2022b 이후)
plotPlot receiver operating characteristic (ROC) curves and other performance curves (R2022b 이후)
imageLIMEExplain network predictions using LIME (R2020b 이후)
occlusionSensitivityExplain network predictions by occluding the inputs (R2019b 이후)
deepDreamImage딥 드림(Deep Dream)을 사용하여 신경망 특징 시각화
gradCAMExplain network predictions using Grad-CAM (R2021a 이후)

속성

ConfusionMatrixChart PropertiesConfusion matrix chart appearance and behavior
ROCCurve PropertiesReceiver operating characteristic (ROC) curve appearance and behavior (R2022b 이후)

도움말 항목

훈련 진행 상황 및 성능

해석 가능성