Main Content

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

Gérer les expérimentations

Entraîner des réseaux dans diverses conditions initiales, ajuster de manière interactive les options d’apprentissage et évaluer les résultats

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

Fonctions

groupSubPlotGroup metrics in experiment training plot (depuis R2021a)
recordMetricsRecord metric values in experiment results table and training plot (depuis R2021a)
updateInfoUpdate information columns in experiment results table (depuis R2021a)
yscaleSet training plot y-axis scale (linear or logarithmic) (depuis R2024a)

Rubriques

Résolution des problèmes

Debug Deep Learning Experiments

Diagnose problems in your setup, training, and metric functions. (depuis R2023a)

Exemples présentés