Mikä on TensorFlow-leikkikenttä?
Tensorflow-leikkikenttä on hermoverkon leikkipaikka. Mikä on interaktiivinen verkkosovellus, joka on rakennettu ds3.js. Se on maallikon koulutuksellinen visualisointialusta. Joten he ymmärtävät helposti syvän oppimisen käsitteet kuten
- Neuraaliverkkojen luominen
- Käynnissä hermoverkkoja
- Ymmärrä hermoverkkojen toiminta.
- Leikkii hermoverkkohyperparametreilla, kuten oppimisnopeus, aktivointitoiminto, aikakaudet.
- Hanki tuloksia
Tensorflow-leikkikenttä tarjoaa loistavan alustan, jonka avulla käyttäjät, jotka eivät tunne korkeatasoista matematiikkaa ja koodausta, voivat kokeilla hermoverkkoa syvän oppimisen kannalta. Se on luotu ymmärtämään hermoverkon perusajatus.
TensorFlow-leikkipaikan ominaisuudet
Tensorflow-leikkikentällä on pääasiassa 10 termiä, joilla on tärkeä rooli.
1) Tiedot
Leikkikenttä tarjoaa pääasiassa 6 erityyppistä tietojoukkoa
Luokittelu: ympyrä, yksinoikeus tai, Gaussin kierteinen.
Regressio: Lentokone, Multi-Gaussia.
Pienet ympyräpisteet esitetään datapisteinä, jotka vastaavat positiivista (+) ja negatiivista (-). Positiivista edustaa sininen, negatiivista edustaa oranssi. Näitä samoja värejä käytetään edustamaan Data-, Neuron-, Paino-arvoja.
2) Juna- ja testitietojen suhde, melu, erän koko
Tietojen jakaminen juna- ja testitietoihin. Lisää melua tietoihisi, jotta mallia voidaan paremmin kouluttaa. Erä tarkoittaa joukko esimerkkejä, joita käytetään yhdessä iteraatiossa.
3) Ominaisuudet
Se tarjoaa 7 ominaisuutta tai tuloa - X1, X2, X1X2: n neliöt, X1X2: n tuote ja X1X2: n synti. Valitse ja poista ominaisuudet, jotta ymmärrät, mikä ominaisuus on tärkeämpi. Sillä on tärkeä rooli ominaisuuksien suunnittelussa.
4) Piilotetut kerrokset
Suurenna ja pienennä piilotettua kerrosta tulojen tai tietojen mukaan. Voit myös valita neuronit jokaiselle piilotetulle kerrokselle ja kokeilla erilaisia piilotettuja kerroksia ja neuroneja, tarkistaa kuinka tulokset muuttuvat.
5) Aikakausi
Epoch on yksi täydellinen iterointi tietojoukon kautta. Kun valitset toistopainikkeen käynnistääksesi verkon. Kun verkko käynnistetään, ei. aikakausien kasvaa jatkuvasti.
Nollaa-painike nollaa koko verkon.
6) Oppimisaste
Oppimisnopeus on hyperparametri, jota käytetään prosessin nopeuttamiseen paikallisen optiman saamiseksi.
7) aktivointitoiminto
Aktivointitoimintoa käytetään minkä tahansa hermoverkon kahden kerroksen välillä. Se vastaa verkossa olevien neuronien aktivoinnista.
4 tyyppistä aktivointitoimintoa - ReLU, Tanh, Sigmoid, Linear
8) Sääntely
Sääntelyä on kahta tyyppiä L1 ja L2. Mikä on tottunut vähentämään mallin liiallisuutta? Malli on liiallinen, kun se voi toimia hyvin vain yhden tietojoukon kanssa, kun tietojoukkoa vaihdetaan, ja se toimii erittäin huonosti kyseisissä tiedoissa.
9) Ongelmatyyppi
Tensorflow-leikkikenttä käsittelee kahden tyyppisiä ongelmia: Luokitukset, Regressio
10) Tuotos
Tarkista mallin suorituskyky hermoverkon kouluttamisen jälkeen. Tarkkaile mallin testihäviötä ja harjoitteluhäviöitä.
Esimerkki:
Tehdään luokitteluongelma Tensorflow-leikkikentällä.
Vaiheet kuinka pelata tällä hermoverkon leikkikentällä:
- Valitse yksinoikeuden tai tietojoukon luokittelu -ongelma.
- Aseta harjoitus- ja testitietojen suhde 60%: iin - meillä on 60% junadattaa ja 40% testitietoja.
- Melu lisätään 5: ään ja lisää sitä ja kokeile sitä, tarkista, miten lähtöhäviöt muuttuvat, ja valitse erän kokoksi 10.
- Valitse ensin yksinkertaiset ominaisuudet, kuten X1 ja X2, ja merkitse sitten lähtöhäviöt
(Harjoitteluhäviö: -0, 004, testitappio: - 0, 002, vaiheet: -255)
Lisää nyt (X1X2): n kolmas ominaisuustuote ja tarkkaile sitten tappioita.
(Harjoitteluhäviö: -0.001, testitappio: - 0, 001, vaiheet: -102)
Näin ymmärrät ominaisuuksien arvon, kuinka saada hyviä tuloksia vähimmäisvaiheissa.
- Aseta oppimisnopeudeksi 0, 03, tarkistaa myös kuinka oppimisnopeudella on tärkeä rooli hermoverkon kouluttamisessa.
- Aktivointitoiminto Tanh: na, hermosolujen perus- verkoille ei vaadita normalisointia ja normalisointiastetta. Tehtävän tyyppiä ei tarvitse muuttaa.
Älä unohda leikkiä regressiolla, joten sinulla on selkeä käsitys regressiosta.
- Valitse 2 piilotettua tasoa. Aseta 4 neuronia ensimmäiselle piilotetulle kerrokselle ja 2 neuronia toiselle piilotetulle kerrokselle, jota seuraa lähtö.
- Ensimmäisestä kerroksesta alkaen painot siirretään ensimmäiselle piilotetulle kerrokselle, joka sisältää yhden neuronin tuotokset, toisen piilotetun kerroksen lähtö sekoitetaan eri painoilla. Painoja edustaa viivojen paksuus.
- Sitten lopullinen tulos sisältää hermoverkon junan ja testin häviämisen.
- Lähtö on luokitellut datapiste oikein alla olevan kuvan mukaisesti.
kokeilut:
Tee joitain muutoksia ja tarkista, miten se vaikuttaa muihin tekijöihin. Tarkkaile juna- ja testihäviöitä jokaisen muutoksen jälkeen.
Kuinka parametreillä on tärkeä rooli mallin tarkkuuden parantamiseksi?
- Suhde juna ja testi: Hyvän suhteen saaminen junakokeen tietokokonaisuudesta antaa mallillemme hyvän suorituskyvyn.
- Ominaisuuksien valinta: Tutkimalla ja valitsemalla erilaisia ominaisuuksia, etsi mallillesi sopivat ominaisuudet.
- Piilotetun kerroksen valinta: Valitse piilotetun kerroksen perusta syötekoon mukaan, mutta pienessä tietojoukossa 2 piilotettu kerros toimii täydellisesti. Joten tee joitain muutoksia piilotettuun kerrokseen ja tee myös joitain huomautuksia siitä. Saat paremman kuvan siitä, kuinka piilotetulla kerroksella on rooli siinä.
- Oppimisnopeus: Tärkein mallin hyperparametri. Suuret oppimisprosentit voivat johtaa mallin epävakaaseen koulutukseen ja pieni luku johtaa koulutuksen epäonnistumiseen. Joten valitse oppimisprosentti, joka sopii täydellisesti malliisi, ja tuottaa parhaan tuloksen.
Edellä mainituilla 4 termällä on tärkeä rooli hyvän hermoverkon kouluttamisessa. Joten yritä leikkiä sen kanssa Tensorflow Playgroundilla
johtopäätös
Tensorflow-leikkikenttä on todella hyvä foorumi oppia hermoverkoista. Se kouluttaa hermoverkkoa napsauttamalla vain toistopainiketta. Koko verkko koulutetaan selaimesi kautta ja anna sinun tarkistaa, kuinka verkon lähtö muuttuu.
Suositellut artikkelit
Tämä on opas Tensorflow-leikkipaikalle. Tässä keskustellaan Mikä on Tensorflow Playground? Tensorflow-leikkikentän ominaisuuksiin kuuluvat tiedot, piilotetut kerrokset, aikakausi, oppimistoiminto jne. Voit myös katsoa seuraavia artikkeleita saadaksesi lisätietoja -
- Kuinka asentaa TensorFlow
- Johdatus Tensorflowiin
- TensorFlow-vaihtoehdot
- Theano vs Tensorflow
- 5 suosituinta eroa TensorFlow ja Spark välillä
- Mikä on TensorFlow?