Mis on TensorFlow mänguväljak?
Tensorflow mänguväljak on närvivõrgu mänguväljak. Mis on interaktiivne veebirakendus, mis põhineb saidil ds3.js. See on võhiku hariduslik visualiseerimisplatvorm. Nii saavad nad hõlpsasti aru süvaõppe mõistetest
- Neuraalsete võrkude loomine
- Neuraalvõrkude käitamine
- Mõista närvivõrkude tööd.
- Mängimine närvivõrgu hüperparameetritega, näiteks õppimiskiirus, aktiveerimisfunktsioon, ajajärgud.
- Hankige tulemusi
Tensorflow mänguväljak pakub suurepärase platvormi, mis võimaldab kasutajatel, kes ei ole kõrgetasemelise matemaatika ja kodeerimisega kursis, katsetada närvivõrgu abil sügavuti õppimist. See on loodud närvivõrgu põhiidee mõistmiseks.
TensorFlow mänguväljaku omadused
Tensorflow mänguväljakul mängib olulist rolli 10 terminit.
1) andmed
Mänguväljak pakub peamiselt 6 erinevat tüüpi andmekogumeid
Klassifikatsioon: ümmargune, eksklusiivne või Gaussi spiraal.
Regressioon: lennuk, multi-gauss.
Väikese ringi punktid on esitatud andmepunktidena, mis vastavad positiivsele (+) ja negatiivsele (-). Positiivne - sinine, negatiivne - -. Neid samu värve kasutatakse andmete, neurooni ja kaalu väärtuste tähistamiseks.
2) Rongi- ja katseandmete suhe, müra, partii suurus
Andmete jagamine rongide ja katsete andmeteks. Mudeli paremaks treenimiseks lisage oma andmetele müra. Partii tähendab näidete kogumit, mida kasutatakse ühes iteratsioonis.
3) omadused
See pakub 7 funktsiooni või sisendit - X1, X2, X1X2 ruudud, X1X2 toode ja X1X2 patt. Valige ja tühistage funktsioonid, et mõista, milline funktsioon on olulisem. See mängib funktsiooni kujundamisel suurt rolli.
4) Varjatud kihid
Suurendage ja vähendage varjatud kihti vastavalt sisenditele või andmetele. Samuti saate valida iga peidetud kihi neuronid ja katsetada erinevate peidetud kihtide ja neuronitega, kontrollida, kuidas tulemused muutuvad.
5) Epohh
Epohh on üks täielik iteratsioon läbi andmekogumi. Kui valite võrgu käivitamiseks esitusnupu. Kui võrk on käivitatud, ei. ajastu kasvab.
Nupp Lähtesta lähtestab kogu võrgu.
6) Õppimisaste
Õppimiskiirus on hüperparameeter, mida kasutatakse protseduuri kiirendamiseks kohaliku optima saamiseks.
7) aktiveerimisfunktsioon
Aktiveerimisfunktsiooni rakendatakse mis tahes närvivõrgu kahe kihi vahel. See vastutab võrgus olevate neuronite aktiveerimise eest.
4 tüüpi aktiveerimisfunktsiooni - ReLU, Tanh, Sigmoid, Linear
8) seadustamine
Reguleerimist on kahte tüüpi L1 ja L2. Milline on harjunud mudeli ületäitumist vähendama? Mudel on liiga komplekteeritud, kui see saab andmestiku muutmise korral hästi töötada ainult ühe andmekogumiga, toimib see nende andmete osas väga halvasti.
9) Probleemi tüüp
Tensorflow mänguväljak tegeleb kahte tüüpi probleemidega: klassifikatsioonid, regressioon
10) väljund
Kontrollige mudeli jõudlust pärast närvivõrgu treenimist. Jälgige mudeli testi kaotust ja väljaõpet.
Näide:
Teeme klassifitseerimisprobleemi Tensorflow mänguväljakul.
Selle närvivõrgu mänguväljakul mängimise sammud:
- Valige eksklusiivne või andmekogumiklassifitseerimise probleem.
- Määrake treeningu- ja katseandmete suhe 60% -ni - see tähendab, et meil on 60% rongiandmetest ja 40% testimisandmetest.
- Müra lisatakse 5-le ja suurendage seda ning tehke sellega mõni katse, kontrollige, kuidas väljundkaod muutuvad, ja valige partii suurus 10-ni.
- Kõigepealt valige lihtsad funktsioonid, näiteks X1 ja X2, seejärel pange tähele väljundkaod
(Treeningukaotus: -0, 004, testikaotus: - 0, 002, sammud: -255)
Nüüd lisage (X1X2) kolmas funktsioonitoote ja jälgige kadusid.
(Treeningukaotus: -0.001, Testikaotus: - 0, 001, sammud: -102)
Nii saate aru funktsioonide väärtusest, kuidas minimaalse sammuga häid tulemusi saada.
- Seadke õppimiskiirus väärtusele 0, 03 ja kontrollige ka seda, kuidas õppimiskiirus mängib olulist rolli närvivõrgu treenimisel.
- Aktiveerimisfunktsioon Tanh-na, põhiliste närvivõrkude korral pole seadistamisele ja seadistamismäärale mingeid nõudeid. Probleemi tüüpi pole vaja muuta.
Kuid ärge unustage regressiooniga mängida, nii et teil on regressioonist selge ettekujutus.
- Valige 2 peidetud kihti. Seadke esimese varjatud kihi jaoks 4 ja teise varjatud kihi jaoks 2 neuroni, seejärel väljund.
- Alates esimesest kihist antakse kaalud edasi esimesele peidetud kihile, mis sisaldab ühe neuroni väljundit, teise varjatud kihi väljund segatakse erinevate raskustega. Kaalu tähistatakse joonte paksusega.
- Siis sisaldab lõppväljund närvivõrgu rongi ja testi kaotust.
- Väljund on andmepunkti õigesti klassifitseerinud, nagu on näidatud alloleval pildil.
Katsetamine:
Tehke mõned muudatused ja kontrollige, kuidas see mõjutab teisi tegureid. Pärast iga muudatust jälgige rongi ja testi kaotust.
Kuidas mõjutavad parameetrid olulist rolli, et mudel paremini täpsustada?
- Suhe rongi ja testi vahel: Kui saadakse hea vahekord rongikatsete andmestikus, annab see meie mudeli hea jõudluse.
- Funktsioonide valik: uurides ja valides erinevaid funktsioone, leidke mudeli jaoks sobivad funktsioonid.
- Varjatud kihi valik: valige peidetud kihi alus sisestuse suuruse järgi, kuid väikese andmekogumi 2 korral töötab peidetud kiht suurepäraselt. Nii et tehke varjatud kihis mõned muudatused ja tehke ka selle kohta mõned tähelepanekud. Saate parema ettekujutuse sellest, kuidas peidetud kiht selles rolli mängib.
- Õppimisaste: mudeli kõige olulisem hüperparameeter. Suur õppimiskiirus võib põhjustada mudeli ebastabiilset koolitust ja väikese koolituse korral koolituse ebaõnnestumist. Nii et vali õppimiskiirus, mis sobib ideaalselt sinu mudeliga, ja anna parim tulemus.
Eespool nimetatud 4 terminit mängivad olulist rolli hea närvivõrgu treenimisel. Proovige sellega Tensorflow mänguväljakul mängida
Järeldus
Tensorflow mänguväljak on tõeliselt suurepärane platvorm närvivõrkude tundmaõppimiseks. See treenib närvivõrku, klõpsates lihtsalt esitusnupul, ja kogu võrk koolitatakse teie brauseri kaudu, ning laseb teil kontrollida, kuidas võrgu väljund muutub.
Soovitatavad artiklid
See on Tensorflow mänguväljaku juhend. Siin arutame Mis on Tensorflow mänguväljak? Tensorflow mänguväljaku funktsioonide hulka kuuluvad andmed, varjatud kihid, ajajärk, õppefunktsioon jne. Lisateabe saamiseks võite vaadata ka järgmisi artikleid -
- TensorFlow installimine
- Tensorflow sissejuhatus
- TensorFlow alternatiivid
- Theano vs Tensorflow
- 5 parimat erinevust TensorFlow ja Spark vahel
- Mis on TensorFlow?