Main Content

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

Visualiser des réseaux neuronaux profonds

Tracer la progression de l’apprentissage, évaluer la précision, expliquer les prédictions et visualiser les caractéristiques apprises par un réseau d’images

Surveillez la progression de l’apprentissage en utilisant des tracés prédéfinis des fonctions de précision et de perte du réseau. Analysez des réseaux entraînés avec des techniques de visualisation comme Grad-CAM, la sensibilité aux occlusions, LIME et DeepDream.

Applications

Deep Network DesignerConcevoir et visualiser des réseaux de Deep Learning

Fonctions

développer tout

analyzeNetworkAnalyze deep learning network architecture
trainingProgressMonitorMonitor and plot training progress for deep learning custom training loops (depuis R2022b)
updateInfoUpdate information values for custom training loops (depuis R2022b)
recordMetricsRecord metric values for custom training loops (depuis R2022b)
groupSubPlotGroup metrics in training plot (depuis R2022b)
plotPlot neural network architecture
predictCompute deep learning network output for inference
minibatchpredictMini-batched neural network prediction (depuis R2024a)
scores2labelConvert prediction scores to labels (depuis R2024a)
deepDreamImageVisualize network features using deep dream
occlusionSensitivityExplain network predictions by occluding the inputs
imageLIMEExplain network predictions using LIME (depuis R2020b)
gradCAMExplain network predictions using Grad-CAM (depuis R2021a)
confusionchartCreate confusion matrix chart for classification problem
sortClassesSort classes of confusion matrix chart
rocmetricsReceiver operating characteristic (ROC) curve and performance metrics for binary and multiclass classifiers (depuis R2022b)
addMetricsCompute additional classification performance metrics (depuis R2022b)
averageCompute performance metrics for average receiver operating characteristic (ROC) curve in multiclass problem (depuis R2022b)

Propriétés

ConfusionMatrixChart PropertiesConfusion matrix chart appearance and behavior
ROCCurve PropertiesReceiver operating characteristic (ROC) curve appearance and behavior (depuis R2022b)

Rubriques

Interprétabilité

Progression et performance de l’apprentissage

Exemples présentés