La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.
Gérer les expérimentations
Utilisez l’application Experiment Manager pour trouver les options d’apprentissage optimales pour vos réseaux de neurones en balayant une gamme de valeurs d’hyperparamètres ou en utilisant l’optimisation bayésienne. Utilisez la fonction prédéfinie trainnet
ou définissez votre propre fonction d’apprentissage personnalisée. Surveillez votre progression avec des tracés représentant l’apprentissage. Utilisez des matrices de confusion et des fonctions de métriques personnalisées pour évaluer le réseau entraîné.
Cette page contient des informations sur les expérimentations dans les workflows d’IA. Pour des informations générales sur l’utilisation de l’application, veuillez consulter Experiment Manager.
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) |
yscale | Set training plot y-axis scale (linear or logarithmic) (depuis R2024a) |
Rubriques
- 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)
- 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. (depuis R2020a)
- Create a Deep Learning Experiment for Regression
Train a deep learning network for regression using Experiment Manager. (depuis R2020a)
- 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)
Résolution des problèmes
Debug Deep Learning Experiments
Diagnose problems in your setup, training, and metric functions. (depuis R2023a)