FashionMNISTについて訓練されているLeNetの，訓練中の確度を調べる：

FashionMNISTで訓練されたLeNetの最終検証精度と再現率を調べる：

FashionMNISTで訓練されたLeNetの最終的な検証と訓練の混同行列を検討する（デフォルトで訓練の進行パネルが訓練データの混同行列を示す．プロットをクリックして両者を切り替える）：

"Key"オプションを使って測度値を一意的に識別し，単純化した例題で，最終ラウンド，マクロ，ミクロの，平均された特異性を調べる：

ネットワークの内部層のラウンドの平均出力を新たな出力ポートを作って調べる：

あるいは，新たな出力を作らずに同じ内部出力を調べることもできる：

CIFAR-100データ集合について訓練されたマルチタスク訓練ネットワークの出力の1つの誤り率を調べる：

訓練データ生成器関数によって作成されたデータを訓練する：

カスタム関数の測定とClassifierMeasurementsを使って，まだTrainingProgressMeasurementsがサポートしていない特性を測定する：

"Precision"，"Recall"，"F1Score"，"AreaUnderROCCurve"のように，組込み測度の中には，バッチについては定義されておらず，完了したラウンドについてのみ測定されるものがある：

非バッチ測定については，"Interval"->"Batch"の設定は影響しない：

検証測度は，検証集合が与えられていてバッチについて定義されていない測度を含む場合にのみ計算される：

"IntersectionOverUnion"測度は入力とターゲットの境界ボックスが{x₁,y₁,x₂,y₂}の形式のリストとして与えられることを期待する．(x₁,y₁)および(x₂,y₂)は境界ボックスの左下のコーナーと右上のコーナーを表す座標である．

共通部分の交点の計算は次のMathematica関数に等しい：

簡略構文のTrainingProgressMeasurementsmeasurement は，measurement のソースが厳密に1つのときにしか使えない：

どの出力を計測するかを指定する：

同じデフォルトキーを持つ2つ以上の測定値が要求された場合は，それらを一意的に識別するために"Key"->"key"サブオプションを使わなければならない：

カスタム関数の測定には"Key"サブオプションが指定されていなければならない：

カスタム関数の測定は数値結果を返さなければならない：

LossFunctionに使われている出力ポートを測定しようとしても失敗するかもしれない：

簡単な回避策は，測定用の追加的な出力ポートを作成して訓練データに明示的なラベルを付けることである：

FashionMNISTのサンプルで訓練されたLeNetの混同行列の履歴をアニメーションにする：