Verwalten von Experimenten
Mit dem Experiment Manager können Sie optimale Trainingsoptionen für neuronale Netze finden, indem Sie eine erschöpfende Suche für eine Reihe von Hyperparameterwerten oder die Bayes'sche Optimierung anwenden. Verwenden Sie die integrierte trainnet
-Funktion oder definieren Sie eine eigene benutzerdefinierte Trainingsfunktion. Überwachen Sie Ihre Fortschritte mit Hilfe von Trainingsplots. Verwenden Sie Konfusionsmatrizen und benutzerdefinierte metrische Funktionen, um Ihr trainiertes Netz zu bewerten.
Diese Seite enthält Informationen über Experimente für Ihre KI-Workflows. Allgemeine Informationen zur Verwendung der App finden Sie unter Experiment Manager.
Apps
Experiment Manager | Design and run experiments to train and compare deep learning networks (Seit R2020a) |
Objekte
experiments.Monitor | Update results table and training plots for custom training experiments (Seit R2021a) |
Funktionen
groupSubPlot | Group metrics in experiment training plot (Seit R2021a) |
recordMetrics | Record metric values in experiment results table and training plot (Seit R2021a) |
updateInfo | Update information columns in experiment results table (Seit R2021a) |
yscale | Set training plot y-axis scale (linear or logarithmic) (Seit R2024a) |
Themen
- Run Experiments in Parallel
Run multiple simultaneous trials or one trial at a time on multiple workers. (Seit R2020b)
- Offload Experiments as Batch Jobs to a Cluster
Run experiments on a cluster so you can continue working or close MATLAB®. (Seit R2022a)
- Keyboard Shortcuts for Experiment Manager
Navigate Experiment Manager using only your keyboard.
- Create a Deep Learning Experiment for Classification
Train a deep learning network for classification using Experiment Manager. (Seit R2020a)
- Create a Deep Learning Experiment for Regression
Train a deep learning network for regression using Experiment Manager. (Seit R2020a)
- Evaluate Deep Learning Experiments by Using Metric Functions
Use metric functions to evaluate the results of an experiment. (Seit R2020a)
- Tune Experiment Hyperparameters by Using Bayesian Optimization
Find optimal network hyperparameters and training options for convolutional neural networks. (Seit R2020b)
- Use Bayesian Optimization in Custom Training Experiments
Create custom training experiments that use Bayesian optimization. (Seit R2021b)
Fehlersuche
Debug Deep Learning Experiments
Diagnose problems in your setup, training, and metric functions. (Seit R2023a)