创建一个用于分类的深度学习实验
此示例显示如何通过使用培训深入学习网络进行分类实验管理器．在本例中，您训练两个网络将MathWorks商品的图像分类为五个类。每个网络使用三种算法进行训练。在每种情况下，混淆矩阵将一组验证图像的真实类与训练后的网络预测的类进行比较。有关训练网络进行图像分类的更多信息，请参见训练深度学习网络分类新图像．
开放实验
首先，打开这个例子。实验经理使用可以检查和运行的预配置实验加载项目。打开实验，在实验浏览器窗格中，双击实验的名称(分类表现）。
内置训练实验包括描述，一种超参数，设置功能和度量函数的集合来评估实验结果。有关更多信息，请参阅内置训练实验配置．
这描述字段包含实验的文本描述。对于此示例，描述是：
-用于训练网络的各种求解器(sgdm, rmsprop，或adam)
这普遍存在节指定策略(彻底的扫描)和实验使用的超参数值。当您运行实验时，实验管理器使用超参数表中指定的每一个超参数值组合来训练网络。这个例子使用了两个超参数:
网络指定要训练的网络。选项包括“默认”（由实验模板提供的默认网络进行图像分类）和“googlenet”（具有用于转移学习的修改层的预制Googlenet网络）。解算器用于训练网络的算法。选项包括“个”(随机动量梯度下降)，“rmsprop”（均方根传播），和“亚当”(自适应时刻估计)。有关这些算法的更多信息，请参见随机梯度下降法．
这设置功能配置实验的训练数据、网络架构和训练选项。检查设置功能，在设置功能,点击编辑．在MATLAB®编辑器中打开设置函数。
设置函数的输入是具有来自HyperParameter表的字段的结构。安装程序返回用于培训网络以进行图像分类问题的三个输出。设置功能有三个部分。
负荷训练数据定义包含培训和验证数据的图像数据存储。此示例从文件加载图像
MerchData.zip．这个小数据集包含了MathWorks商品的75张图像，它们属于5个不同的类。图片尺寸为227 * 227 * 3。有关此数据集的更多信息，请参见图像数据集．定义网络架构为深度学习分类定义卷积神经网络的架构。在此示例中，培训网络的选择取决于HyperParameter的值
网络．指定培训选项定义了一个
trainingOptions解算器超参数表中的条目。
这指标节指定评估实验结果的可选函数。这个例子不包括任何自定义指标函数。
运行实验
运行实验时，实验经理培训由设置功能定义的网络六次。每次试用都使用不同的Hyper参数值组合。默认情况下，实验管理器一次运行一项试验。如果您有并行计算工具箱™，则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，请启动一个并行池，与GPU一样多的工人。有关更多信息，请参阅使用实验管理器并行训练网络和GPU支万博1manbetx持版本（并行计算工具箱）．
若要一次运行一个实验，请在“实验管理器”工具条上单击跑步．
要同时运行多次试验，请单击使用并行然后跑步．如果没有当前并行池，则实验管理器使用默认群集配置文件启动一个。实验经理然后执行多个同时试验，具体取决于可用的并行工作人员的数量。
结果表格显示了每次试验的准确性和损失。
当实验运行时，点击培训情节显示训练图并跟踪每次试验的进度。
评估结果
要找到您的实验的最佳结果，请根据验证精度对结果表进行排序。
指向验证准确性柱子。
点击三角形图标。
选择按降序排序．
具有最高验证准确性的试验出现在结果表的顶部。
要显示此试用的混淆矩阵，请在结果表中选择顶行，然后单击混淆矩阵．
要记录对实验结果的观察，请添加注释。
在结果表中，右键单击验证准确性最佳试验的细胞。
选择添加注释．
在注释窗格，在文本框中输入您的观察。
有关更多信息，请参阅排序，过滤和注释实验结果．
关闭实验
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。
也可以看看
应用
职能
相关的话题
你也可以从以下列表中选择一个网站:
