La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.

Application Experiment Manager

Entraîner des réseaux à partir de plusieurs conditions initiales, ajuster de manière interactive les options d’apprentissage et évaluer vos résultats

Trouvez les options d’apprentissage optimales pour des réseaux de neurones en balayant une gamme de valeurs d’hyperparamètres ou en utilisant l’optimisation bayésienne. Utilisez la fonction prédéfinie trainNetwork ou définissez votre propre fonction d’apprentissage personnalisée. Testez différentes configurations d’apprentissage en même temps en exécutant vos expérimentations en parallèle. Surveillez votre progression avec des tracés représentant l’apprentissage. Utilisez des matrices de confusion et des fonctions de métriques personnalisées pour évaluer votre réseau entraîné. Affinez vos expérimentations en triant et filtrant vos données. Utilisez des annotations pour enregistrer vos observations.

Applications

Experiment Manager

Design and run experiments to train and compare deep learning networks (depuis R2020a)

Objets

experiments.Monitor Update results table and training plots for custom training experiments (depuis R2021a)

Fonctions

`groupSubPlot`	Group metrics in experiment training plot (depuis R2021a)
`recordMetrics`	Record metric values in experiment results table and training plot (depuis R2021a)
`updateInfo`	Update information columns in experiment results table (depuis R2021a)

Rubriques

Create a Deep Learning Experiment for Classification
Train a deep learning network for classification using Experiment Manager. (depuis R2020a)
Create a Deep Learning Experiment for Regression
Train a deep learning network for regression using Experiment Manager. (depuis R2020a)
Run Experiments in Parallel
Run multiple simultaneous trials or one trial at a time on multiple workers. (depuis R2020b)
Offload Experiments as Batch Jobs to a Cluster
Run experiments on a cluster so you can continue working or close MATLAB^®. (depuis R2022a)
Evaluate Deep Learning Experiments by Using Metric Functions
Use metric functions to evaluate the results of an experiment. (depuis R2020a)
Tune Experiment Hyperparameters by Using Bayesian Optimization
Find optimal network hyperparameters and training options for convolutional neural networks. (depuis R2020b)
Use Bayesian Optimization in Custom Training Experiments
Create custom training experiments that use Bayesian optimization. (depuis R2021b)
Keyboard Shortcuts for Experiment Manager
Navigate Experiment Manager using only your keyboard.