Cette page s'applique à la version précédente. La page correspondante en anglais a été supprimée de la version actuelle.
Ajustement et visualisation du Deep Learning
Utilisez Deep Network Designer pour construire, visualiser, éditer et entraîner des réseaux de Deep Learning de manière interactive. Ajustez les options d’apprentissage et améliorez les performances du réseau en balayant des hyperparamètres ou en utilisant l’optimisation bayésienne. Utilisez Experiment Manager pour gérer des expériences de Deep Learning qui entraînent des réseaux dans diverses conditions initiales et comparez les résultats. Surveillez la progression de l’apprentissage en utilisant des tracés prédéfinis des fonctions de précision et de perte du réseau. Pour analyser des réseaux entraînés, vous pouvez utiliser des techniques de visualisation comme Grad-CAM, la sensibilité aux occlusions, LIME et DeepDream. Vous pouvez également analyser la robustesse du réseau avec des exemples contradictoires et tester votre réseau entraîné en faisant des prédictions à l'aide de nouvelles données.
Catégories
- Application Deep Network Designer
Créer et entraîner de manière interactive des réseaux de Deep Learning
- Application Experiment Manager
Entraîner des réseaux à partir de plusieurs conditions initiales, ajuster de manière interactive les options d’apprentissage et évaluer vos résultats
- Ajustement du Deep Learning
Ajustez de manière programmatique des options d’apprentissage, reprendre l’apprentissage depuis un point de contrôle et analyser des exemples contradictoires
- Visualisation du Deep Learning
Tracer la progression de l’apprentissage, évaluer la précision, expliquer les prédictions et visualiser les caractéristiques apprises par un réseau
- Vérification du Deep Learning
Entraîner des réseaux robustes et vérifier la robustesse des réseaux