打开示例以加载一个项目，其中包含一个您可以检查和运行的预先配置的实验。要开实验，在中实验浏览器窗格中，双击实验的名称(Experiment1)．

或者，您可以通过以下步骤自行配置实验。

1.开放实验经理。

2.点击新>项目并选择新项目的位置和名称。实验经理在项目中开启了一个新的实验。这实验窗格显示定义实验的描述，超参数，设置功能和度量标准。

3.在描述框中，输入实验描述:

数字分类，使用不同的初始学习速率。

4.下面Hyperparameters，更换值myInitialLearnRate和0.0025:0.0025:0.015．验证策略被设置为详尽的扫描．

5.设置函数， 点击编辑．安装函数在MATLAB编辑器中打开。Setup功能指定实验的培训数据，网络架构和培训选项。默认情况下，设置函数的模板有三个部分。

当您运行实验时，实验管理器训练由设置函数定义的网络六次。每个试验使用超参数表中指定的学习速率之一。默认情况下，实验管理器每次运行一个试验。如果您有并行计算工具箱，您可以同时运行多个试验。为了获得最佳结果，在运行实验之前，请启动一个具有与gpu相同数量的worker的并行池。有关更多信息，请参阅使用实验管理器并行训练网络．

结果表显示了每次试验的准确性和损失。

当实验运行时，点击培训策划显示训练图并跟踪每次试验的进度。您还可以在MATLAB命令窗口中监视训练进度。

点击混淆矩阵显示每个完成试验验证数据的混淆矩阵。

实验完成后，可以按列对表排序，也可以使用过滤器窗格。有关更多信息，请参阅排序和过滤实验结果．

为了测试单个试验的性能，导出训练后的网络或试验的训练信息。在实验管理器ToolStrip，选择出口>训练有素的网络或出口>培训信息， 分别。有关更多信息，请参阅净和信息．

要结束实验，在实验浏览器窗格，右键单击项目的名称并选择关闭项目．实验经理关闭项目中包含的所有实验和结果。

打开示例以加载一个项目，其中包含一个您可以检查和运行的预先配置的实验。要开实验，在中实验浏览器窗格中，双击实验的名称(Experiment1)．

或者，您可以通过以下步骤自行配置实验。

1.开放实验经理。

2.点击新>项目并选择新项目的位置和名称。实验经理在项目中开启了一个新的实验。这实验窗格显示定义实验的描述，超参数，设置功能和度量标准。

3.在描述框中，输入实验描述:

回归预测数字的旋转角度，使用各种初始学习速率。

4.下面Hyperparameters，更换值myInitialLearnRate和0.001:0.001:0.006．验证策略被设置为详尽的扫描．

5.设置函数， 点击编辑．安装函数在MATLAB编辑器中打开。

函数[XTrain、YTrain层,选项]= Experiment1_setup1 (params)

[XTrain ~, YTrain] = digitTrain4DArrayData;[XValidation ~, YValidation] = digitTest4DArrayData;

图层= [imageInputlayer（[28 28 1]）卷积2dlayer（3,8，'填充'那“相同”）BatchnormalizationLayer Rublayer普通泡泡液（2，'走吧'2) convolution2dLayer(16日'填充'那“相同”）BatchnormalizationLayer Rublayer普通泡泡液（2，'走吧'，2）卷积2dlayer（3,32，'填充'那“相同”) batchNormalizationLayer relullayer卷积2dlayer (3,32，'填充'那“相同”) batchNormalizationLayer reluLayer dropoutLayer(0.2) fullconnectedlayer (1) regressionLayer];

选择= trainingOptions ('sgdm'那．..“MaxEpochs”5,．..“ValidationData”{XValidation, YValidation},．..“ValidationFrequency”30岁的．..“InitialLearnRate”, params.myInitialLearnRate);

当您运行实验时，实验管理器训练由设置函数定义的网络六次。每个试验使用超参数表中指定的学习速率之一。每个试验使用超参数表中指定的学习速率之一。默认情况下，实验管理器每次运行一个试验。如果您有并行计算工具箱，您可以同时运行多个试验。为了获得最佳结果，在运行实验之前，请启动一个具有与gpu相同数量的worker的并行池。有关更多信息，请参阅使用实验管理器并行训练网络．

结果表显示了每个试验的均方根误差(RMSE)和损失。

当实验运行时，点击培训策划显示训练图并跟踪每次试验的进度。您还可以在MATLAB命令窗口中监视训练进度。

实验完成后，可以按列对表排序，也可以使用过滤器窗格。有关更多信息，请参阅排序和过滤实验结果．

为了测试单个试验的性能，导出训练后的网络或试验的训练信息。在实验管理器选项卡上,选择出口>训练有素的网络或出口>培训信息， 分别。有关更多信息，请参阅净和信息．

要结束实验，在实验浏览器窗格，右键单击项目的名称并选择关闭项目．实验经理关闭项目中包含的所有实验和结果。

这指标部分指定评估实验结果的功能。对度量函数的输入是一个结构体有三个领域：

度量标准函数的输出必须是标量编号，逻辑值或字符串。

如果您的实验使用贝叶斯优化，请选择从中优化的度量优化列表。在方向列表，指定您想要的最大化或最小化这个度量标准。实验经理使用此度量标准来确定高参数的最佳组合为您的实验。您可以从表中选择标准培训或验证度量（例如准确性，RMSE或丢失）或自定义度量标准。

要在结果表中对试验进行排序，请使用与训练或验证度量相对应的列的下拉菜单。

要从结果表中过滤试用时，请使用过滤器窗格。

在第一个实验结果窗格中,单击查看实验来源关联。实验经理打开一个实验来源窗格包含产生第一套结果的实验​​定义。单击窗格底部的链接以打开第一次运行实验的安装功能。您可以使用简单的分类网络复制此设置功能以重新运行实验。

第二个实验结果窗格中,单击查看实验来源关联。实验经理打开一个实验来源窗格，其中包含产生第二组结果的实验定义。单击窗格底部的链接，打开第二次运行实验时使用的设置功能。您可以复制这个设置函数来使用迁移学习重新运行实验。

实验管理器存储您使用的设置和自定义度量功能的副本，因此在修改和重新运行实验时，您不必手动重命名这些功能。