本页对应的英文页面已更新，但尚未翻译。若要查看最新内容，请点击此处访问英文页面。

深度学习调整和可视化

绘制训练进度、评估准确度、进行预测、调整训练选项以及将网络学习的特征可视化

使用内置的网络准确度和损失图监控深度学习训练进度。要提高网络性能，您可以调整训练选项并使用贝叶斯优化来搜索最优超参数。要研究经过训练的网络，您可以将网络学习的特征可视化并创建 Deep Dream 可视化。通过使用新数据进行预测来测试经过训练的网络。

App

Deep Network Designer

Edit and build deep learning networks

函数

全部展开

调整选项和图

`analyzeNetwork`	Analyze deep learning network architecture
`plot`	Plot neural network layer graph
`trainingOptions`	Options for training deep learning neural network
`trainNetwork`	Train neural network for deep learning

特征可视化和预测

`activations`	Compute convolutional neural network layer activations
`predict`	Predict responses using a trained deep learning neural network
`classify`	Classify data using a trained deep learning neural network
`predictAndUpdateState`	Predict responses using a trained recurrent neural network and update the network state
`classifyAndUpdateState`	Classify data using a trained recurrent neural network and update the network state
`resetState`	Reset the state of a recurrent neural network
`deepDreamImage`	Visualize network features using deep dream
`confusionchart`	Create confusion matrix chart for classification problem
ConfusionMatrixChart Properties	Confusion matrix chart appearance and behavior
`sortClasses`	Sort classes of confusion matrix chart

主题

使用深度学习对网络摄像机图像进行分类

此示例说明如何使用预训练的深度卷积神经网络 GoogLeNet 实时对来自网络摄像机的图像进行分类。

Set Up Parameters and Train Convolutional Neural Network

Learn how to set up training parameters for a convolutional neural network

监控深度学习训练进度

在训练深度学习网络时，监控训练进度通常很有用。通过在训练过程中绘制各种指标，您可以了解训练的进度情况。例如，您可以确定网络准确度是否改善以及改善速度，还可以确定网络是否开始过拟合训练数据。

可视化卷积神经网络的激活区域

此示例说明如何将图像馈送到卷积神经网络并显示网络的不同层的激活区域。通过将激活区域与原始图像进行比较，检查激活区域并发现网络学习的特征。发现较浅层中的通道学习颜色和边缘等简单特征，而较深层中的通道学习眼睛等复杂特征。以这种方式识别特征可以帮助您了解网络学习的内容。

可视化卷积神经网络的特征

此示例说明如何可视化卷积神经网络学习的特征。

自定义深度学习网络训练期间的输出

此示例说明如何定义在深度学习神经网络训练期间的每次迭代都运行的输出函数。如果您使用 trainingOptions 的 'OutputFcn' 名称-值对组参数指定输出函数，则 trainNetwork 将分别在训练开始前、每次训练迭代后以及训练结束后各调用这些函数一次。每次调用输出函数时，trainNetwork 都会传递一个包含当前迭代编号、损失和准确度等信息的结构体。您可以使用输出函数显示或绘制进度信息，或者停止训练。要提前停止训练，请让输出函数返回 true。如果任何输出函数返回 true，则训练结束，并且 trainNetwork 返回最新网络。

Resume Training from Checkpoint Network

Learn how to save checkpoint networks while training a convolutional neural network and resume training from a previously saved network

使用贝叶斯优化进行深度学习

此示例说明如何将贝叶斯优化应用于深度学习并找到卷积神经网络的最优网络参数和训练选项。

Deep Learning Tips and Tricks

Learn how to improve the accuracy of deep learning networks.