Main Content

La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Visualizar redes neuronales profundas

Represente el progreso del entrenamiento, evalúe la precisión, explique predicciones y visualice las características aprendidas por una red de imágenes

Monitorice el progreso del entrenamiento usando gráficas integradas de precisión y pérdida de red. Investigue redes entrenadas usando técnicas de visualización como Grad-CAM, sensibilidad de oclusión, LIME y Deep Dream.

Apps

Deep Network DesignerDiseñar, visualizar y entrenar redes de deep learning

Funciones

expandir todo

analyzeNetworkAnalyze deep learning network architecture
trainingProgressMonitorMonitor and plot training progress for deep learning custom training loops (desde R2022b)
updateInfoUpdate information values for custom training loops (desde R2022b)
recordMetricsRecord metric values for custom training loops (desde R2022b)
groupSubPlotGroup metrics in training plot (desde R2022b)
plotRepresentar una arquitectura de red neuronal
activationsCalcular las activaciones de las capas de una red de deep learning
deepDreamImageVisualize network features using deep dream
occlusionSensitivityExplain network predictions by occluding the inputs (desde R2019b)
imageLIMEExplain network predictions using LIME (desde R2020b)
gradCAMExplain network predictions using Grad-CAM (desde 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 (desde R2022b)
addMetricsCompute additional classification performance metrics (desde R2022b)
averageCompute performance metrics for average receiver operating characteristic (ROC) curve in multiclass problem (desde R2022b)

Propiedades

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

Temas

Interpretabilidad

Progreso y rendimiento del entrenamiento