Esta página es para la versión anterior. La página correspondiente en inglés ha sido eliminada en la versión actual.

Ajuste y visualización de deep learning

Cree y entrene redes de forma interactiva, administre experimentos, represente el progreso del entrenamiento, evalúe la precisión, explique predicciones, ajuste las opciones de entrenamiento y visualice las características aprendidas por una red

Utilice Deep Network Designer para crear, visualizar, editar y entrenar una red de deep learning de forma interactiva. Ajuste las opciones de entrenamiento y mejore el rendimiento de la red realizando un barrido de hiperparámetros o usando la optimización bayesiana. Utilice Experiment Manager para administrar experimentos de deep learning que entrenen redes en distintas condiciones iniciales y compare los resultados. Monitorice el progreso del entrenamiento usando gráficas integradas de precisión y pérdida de red. Para investigar redes entrenadas, puede usar técnicas de visualización como Grad-CAM, sensibilidad de oclusión, LIME y Deep Dream. También puede investigar la solidez de la red usando ejemplos adversarios y probar la red entrenada realizando predicciones con datos nuevos.

Temas consultados con frecuencia

Ejemplos destacados

Clasificar imágenes de una webcam mediante deep learning

Este ejemplo muestra cómo clasificar imágenes de una webcam en tiempo real usando una red neuronal convolucional profunda preentrenada, GoogLeNet.

Abrir script

Detect Vanishing Gradients in Deep Neural Networks by Plotting Gradient Distributions

Monitor vanishing gradients while training a deep neural network.

Abrir script en vivo

Transferencia del aprendizaje con Deep Network Designer

Ajuste de manera interactiva una red de deep learning preentrenada para aprender una tarea nueva de clasificación de imágenes.

Abrir script en vivo

Understand Network Predictions Using LIME

Use locally interpretable model-agnostic explanations (LIME) to understand why a deep neural network makes a classification decision.

Abrir script en vivo

Try Multiple Pretrained Networks for Transfer Learning

Configure an experiment that replaces layers of different pretrained networks for transfer learning.

Abrir ejemplo

Choose Training Configurations for LSTM Using Bayesian Optimization

Find optimal data architecture and network configurations for sequence-to-sequence regression using Bayesian optimization.

Abrir ejemplo

Use Experiment Manager to Train Generative Adversarial Networks (GANs)

Create a custom training experiment to generate images of flowers.

Abrir ejemplo

Generate Untargeted and Targeted Adversarial Examples for Image Classification

Use the fast gradient sign method (FGSM) and the basic iterative method (BIM) to generate adversarial examples for a pretrained neural network.

Abrir script en vivo

Ajuste y visualización de deep learning

Temas consultados con frecuencia

Categorías

Ejemplos destacados

Clasificar imágenes de una webcam mediante deep learning

Detect Vanishing Gradients in Deep Neural Networks by Plotting Gradient Distributions

Transferencia del aprendizaje con Deep Network Designer

Understand Network Predictions Using LIME

Try Multiple Pretrained Networks for Transfer Learning

Choose Training Configurations for LSTM Using Bayesian Optimization

Use Experiment Manager to Train Generative Adversarial Networks (GANs)

Generate Untargeted and Targeted Adversarial Examples for Image Classification