文档帮助中心文档
使用深度网络设计器交互式构建,可视化,编辑和训练深度学习网络。通过扫描超参数或使用贝叶斯优化,调整训练选项并提高网络性能。使用实验管理器管理在各种初始条件下训练网络并比较结果的深度学习实验。使用内置的网络准确性和损失图监控培训进展。为了研究经过训练的网络,您可以使用可视化技术,如grade - cam、occlusion sensitivity、LIME和deep dream。您还可以使用对抗性示例来调查网络的健壮性,并使用新数据进行预测来测试经过训练的网络。
使用预先训练的深度卷积神经网络GoogLeNet对来自网络摄像头的图像进行实时分类。
交互式微调预先训练的深度学习网络,以学习新的图像分类任务。
使用局部可解释的模型不可知论解释(LIME)来理解为什么深度神经网络会做出分类决策。
配置一个实验,替换不同的预先训练的网络层来进行迁移学习。
使用贝叶斯优化为序列到序列回归找到最优的数据架构和网络配置。
创建一个自定义训练实验来生成鲜花的图像。
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系