この例では,事前学習済みの深層畳み込みニューラルネットワークGoogLeNetを使用して,Webカメラのイメージをリアルタイムで分類する方法を説明します。

この例では,オクルージョン感度マップを使用して,深層ニューラルネットワークによる分類の判定理由を理解する方法を説明します。オクルージョン感度は,深層ネットワークの分類においてイメージのどの部分が最も重要かを理解するためのシンプルな手法です。データの小さな摂動を使用することで,データのさまざまな領域におけるオクルージョンへのネットワークの感度を測定できます。オクルージョン感度は,ネットワークが特定の分類を行うためにどのイメージ特徴を使用するかに関するおおまかな理解を得るとともに,ネットワークによってイメージが誤分類される理由についての洞察を得るために使用します。

この例では,局部可判断的Model-agnostic解释(石灰)を使用し,深層ニューラルネットワークによる分類の判定理由を理解する方法を説明します。

この例では,実験マネージャーを使用してネットワークの並列学習を行う方法を説明します。実験を並列で実行することにより,異なる学習構成を同時に試すことができます。学習の進行中にMATLAB®を使うこともできます。並列実行には,并行计算工具箱™が必要です。

転移学習のためにさまざまな事前学習済みのネットワークの層を置き換える実験を構成する。

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。