Što je igralište TensorFlow?
Igralište Tensorflow je igralište neuronske mreže. Koji je interaktivna web aplikacija koja je izgrađena na ds3.js. To je obrazovna platforma za vizualizaciju laika. Dakle, oni mogu lako razumjeti koncepte dubokog učenja poput
- Stvaranje neuronskih mreža
- Trčanje neuronskih mreža
- Shvatite rad neuronskih mreža.
- Igranje s hiperparametrima neuronske mreže poput brzine učenja, funkcije aktivacije, epohe.
- Dobijte rezultate
Tensorflow igralište pruža sjajnu platformu koja omogućava korisnicima koji nisu upoznati s matematikom i kodiranjem visoke razine da eksperimentiraju s neuronskom mrežom za dubinsko učenje. Stvorena je za razumijevanje srž ideje iza neuronske mreže.
Značajke igrališta TensorFlow
Na igralištu u Tensorflowu igra se uglavnom 10 termina koji igraju važnu ulogu.
1) Podaci
Igralište pruža uglavnom 6 različitih vrsta skupova podataka
Razvrstavanje: krug, ekskluzivno ili, Gaussovo, spirala.
Regresija: Ravna, više Gausova.
Točke malih krugova predstavljene su kao podatkovne točke koje odgovaraju pozitivnom (+) i negativnom (-). Pozitivno predstavljeno plavom bojom, a negativno narančasto. Iste boje se koriste za predstavljanje podataka, vrijednosti neurona i težine.
2) Omjer podataka vlaka i ispitivanja, buke, veličine šarže
Podjela podataka na vlakovne i testne podatke. Dodajte buku svojim podacima za bolju obuku modela. Batch znači skup primjera koji se koriste u jednoj iteraciji.
3) Značajke
Pruža 7 značajki ili ulaza - X1, X2, Kvadrati X1X2, Proizvod X1X2 i sin X1X2. Odaberite i poništite odabir značajki da biste shvatili koja je značajnija važnija, ona igra veliku ulogu u inženjerstvu značajki.
4) Skriveni slojevi
Povećajte i smanjite skriveni sloj prema vašim unosima ili podacima. Također možete odabrati neurone za svaki skriveni sloj i eksperimentirati s različitim skrivenim slojevima i neuronima, provjeriti kako se rezultati mijenjaju.
5) epoha
Epoha je jedna cjelovita iteracija kroz skup podataka. Kad odaberete gumb za reprodukciju za pokretanje mreže. Kad je mreža pokrenuta br. epohe će se stalno povećavati.
Gumb Reset resetirat će cijelu mrežu.
6) Stopa učenja
Stopa učenja hiperparametar se koristi kako bi se ubrzao postupak dobivanja lokalnih optima.
7) Funkcija aktiviranja
Aktivacijska funkcija primjenjuje se između dva sloja bilo koje neuronske mreže. Odgovorna je za aktiviranje neurona u mreži.
4 vrste funkcije aktivacije - ReLU, Tanh, Sigmoid, Linear
8) Regularizacija
Postoje dvije vrste regulacije L1 i L2. Što se koristi za smanjenje prekomjerne opremljenosti modela? Model je prefinjen kada može dobro raditi samo s jednim podacima, kada se promijeni skup podataka, na tim podacima djeluje vrlo loše.
9) Vrsta problema
Igralište Tensorflow rješava dvije vrste problema: Klasifikacije, Regresija
10) Izlaz
Provjerite performanse modela nakon treninga neuronske mreže. Uočite gubitak modela i gubitak treninga na modelu.
Primjer:
Napravimo problem s klasifikacijom na igralištu Tensorflow.
Koraci za igru na ovom igralištu neuronske mreže:
- Odaberite problem s klasifikacijom ekskluzivnih ILI podataka.
- Postavite omjer podataka o obuci i testovima na 60% - što znači da imamo 60% podataka o vlaku i 40% podataka ispitivanja.
- Buci se dodaje 5 i povećajte je i napravite neki eksperiment s njom, provjerite kako se izlazni gubici mijenjaju i odaberite veličinu serije na 10.
- Prvo odaberite jednostavne značajke poput X1 i X2, a zatim zabilježite gubitke na izlazu
(Gubitak treninga: -0.004, Test test: - 0.002, koraci: -255)
Sada dodajte proizvod s trećim značajkama (X1X2), a zatim promatrajte gubitke.
(Gubitak treninga: -0.001, Gubitak testa: - 0.001, koraci: -102)
Ovako možete shvatiti vrijednost značajki, kako postići dobre rezultate u minimalnim koracima.
- Postavite stopu učenja na 0, 03, također provjerava koliko stopa učenja igra važnu ulogu u obučavanju neuronske mreže.
- Aktivacijska funkcija kao Tanh, za osnovne neuronske mreže nema zahtjeva za regularizacijom i brzinom regularizacije. Nema potrebe za promjenom vrste problema.
Ali ne zaboravite se igrati s regresijom, tako da imate jasnu ideju o regresiji.
- Odaberite 2 skrivena sloja. Postavite 4 neurona za prvi skriveni sloj i 2 neurona za drugi skriveni sloj, a zatim izlaz.
- Polazeći od prvog sloja utezi se prenose na prvi skriveni sloj koji sadrži izlaz jednog neurona, a drugi skriveni sloj je pomiješan s različitim utezima. Utezi su predstavljeni debljinom linija.
- Tada će konačni izlaz sadržavati vlak i test gubitka neuronske mreže.
- Izlaz je ispravno klasificirao podatkovnu točku kao što je prikazano na slici dolje.
Eksperimentiranje:
Izvršite neke promjene i provjerite kako utječe na ostale čimbenike. Promatrajte gubitak vlaka i testa nakon svake promjene.
Kako parametri igraju važnu ulogu da bi dobili bolju točnost modela?
- Omjer vlaka i ispitivanja: Dobar omjer skupa podataka o ispitivanju vlaka pružit će dobre performanse našeg modela.
- Odabir značajki: Istražujući i odabirom različitih vrsta značajki, pronađite prave značajke za model.
- Odabir skrivenog sloja: Odaberite bazu skrivenog sloja na vašoj ulaznoj veličini, ali za mali skup podataka 2 skriveni sloj savršeno funkcionira. Stoga napravite neke promjene u skrivenom sloju i na njemu napravite i neka zapažanja. Dobit ćete bolju predstavu o tome kako skriveni sloj igra ulogu u njemu.
- Stopa učenja: najvažniji hiperparametar za model. Velike stope učenja mogu rezultirati nestabilnim usavršavanjem modela, a sitne stope neuspjehom obuke. Stoga odaberite stopu učenja koja savršeno odgovara vašem modelu i daje vam najbolji rezultat.
Gore spomenuta 4 pojma igraju važnu ulogu u treniranju dobre neuronske mreže. Zato se pokušajte igrati s njom na igralištu Tensorflow
Zaključak
Tensorflow igralište je stvarno sjajna platforma za učenje o neuronskim mrežama. Trenira neuronsku mrežu klikom na gumb za reprodukciju i cijela će mreža biti uvježbana preko vašeg preglednika i omogućiti vam da provjerite kako se mrežni izlaz mijenja.
Preporučeni članci
Ovo je vodič za igralište Tensorflow. Ovdje smo razgovarali o tome što je igralište Tensorflow? Značajke igrališta Tensorflow uključuju podatke, skrivene slojeve, epohu, funkciju učenja itd. Također možete pogledati sljedeće članke da biste saznali više -
- Kako instalirati TensorFlow
- Uvod u Tensorflow
- TensorFlow alternative
- Theano vs Tensorflow
- Top 5 razlike između TensorFlow i Spark
- Što je TensorFlow?