Main Content

本页的翻译已过时。点击此处可查看最新英文版本。

深度学习调整和可视化

管理试验、绘制训练进度、评估准确度、解释预测、调整训练选项以及将网络学习的特征可视化

通过扫描超参数或使用贝叶斯优化来调整训练选项并提高网络性能。使用试验管理器管理在各种初始条件下训练网络的深度学习试验,并比较结果。使用内置的网络准确度和损失图监控训练进度。为了研究经过训练的网络,您可以使用可视化方法,如 Grad-CAM、遮挡敏感度、LIME 和 Deep Dream。您还可以使用对抗示例来研究网络的稳健性,并通过使用新数据进行预测来测试经过训练的网络。

  • 深度学习调整
    以编程方式调整训练选项,从检查点继续训练,并研究对抗示例
  • 深度学习可视化
    绘制训练进度、评估准确度、解释预测以及将网络学习的特征可视化
  • 深度学习试验
    在各种初始条件下训练网络,以交互方式调整训练选项,并评估结果

特色示例