Kaj je igrišče TensorFlow?

Tensorflow igrišče je igrišče nevronske mreže. Katera je interaktivna spletna aplikacija, ki je zgrajena na ds3.js. Je izobraževalna platforma za vizualizacijo laikov. Torej, zlahka razumejo pojme globokega učenja kot

  • Ustvarjanje nevronskih mrež
  • Zagon nevronskih mrež
  • Razumevanje delovanja nevronskih mrež.
  • Igranje s hiperparametri nevronske mreže, kot so hitrost učenja, funkcija aktivacije, epohe.
  • Pridobite rezultate

Tensorflow igrišče ponuja odlično platformo, ki uporabnikom, ki ne poznajo matematike in kodiranja na visoki ravni, omogoča eksperimentiranje z nevronsko mrežo za poglobljeno učenje. Ustvarjen je za razumevanje osnovne ideje, ki stoji za nevronsko mrežo.

Značilnosti igrišča TensorFlow

Na igrišču Tensorflow je v glavnem 10 term, ki igrajo pomembno vlogo.

1) Podatki

Igrišče nudi predvsem 6 različnih vrst podatkovnih nizov

Razvrstitev: Krog, izključujoča ali Gaussova, spirala.

Regresija: ravnina, več Gausovka.

Točke majhnih krogov so predstavljene kot podatkovne točke, ki ustrezajo pozitivnemu (+) in negativnemu (-). Pozitivno predstavljeno z modro, negativno z oranžno. Te iste barve se uporabljajo pri predstavljanju vrednosti Data, Neuron, Weight.

2) Razmerje podatkov o vlaku in preskusih, hrup, velikost serije

Razdelitev razmerja podatkov na podatke vlakov in preskusov. Svojim podatkom dodajte hrup za boljše usposabljanje modela. Šarža pomeni niz primerov, uporabljenih v eni iteraciji.

3) Značilnosti

Ponuja 7 funkcij ali vhodov - X1, X2, Kvadrati X1X2, Izdelek X1X2 in sin X1X2. Izberite in razveljavite funkcije, če želite razumeti, katera funkcija je pomembnejša. Ima pomembno vlogo pri inženiringu funkcij.

4) Skriti plasti

Povečajte in zmanjšajte skrito plast glede na vaše vnose ali podatke. Izberete lahko tudi nevrone za vsako skrito plast in eksperimentirate z različnimi skritimi plastmi in nevroni ter preverite, kako se rezultati spreminjajo.

5) epoha

Epoha je ena popolna iteracija prek nabora podatkov. Ko izberete gumb za predvajanje, da zaženete omrežje. Ko se omrežje zažene št. epohe bodo še naprej naraščale.

Gumb Reset ponastavi celotno omrežje.

6) Stopnja učenja

Stopnja učenja je hiperparameter, ki se uporablja za pospešitev postopka za pridobivanje lokalnih optima.

7) Funkcija aktiviranja

Aktivacijska funkcija se uporablja za dve plasti katere koli nevronske mreže. Odgovoren je za aktiviranje nevronov v mreži.

4 vrste funkcije aktiviranja - ReLU, Tanh, Sigmoid, Linear

8) Regularizacija

Obstajata dve vrsti regulatorja L1 in L2. Kaj se uporablja za zmanjšanje prekomernega opremljanja modela? Model je preoblikovan, kadar lahko dobro sodeluje le z enim naborom podatkov, ko je nabor podatkov spremenjen, na teh podatkih deluje zelo slabo.

9) Vrsta težave

Tensorflow igrišče obravnava dve vrsti težav: Klasifikacije, Regresija

10) proizvodnja

Preverite delovanje modela po treningu nevronske mreže. Opazujte izgubo modela in izgubo modela.

Primer:

Naredimo težavo s klasifikacijo na igrišču Tensorflow.

Navodila za igranje na tem nevronskem omrežju:

  • Izberite težavo s klasifikacijo ekskluzivnega ALI podatkov.
  • Nastavite razmerje med podatki o usposabljanju in testih na 60% - kar pomeni, da imamo 60% podatkov o vlakih in 40% podatkov o testiranju.
  • Hrup dodamo na 5 in ga povečamo ter z njim nekaj eksperimentiramo, preverimo, kako se spreminjajo izhodne izgube in izberite velikost serije na 10.
  • Najprej izberite preproste funkcije, kot sta X1 in X2, nato zabeležite izhodne izgube

(Izguba treninga: -0.004, izguba na testu: - 0.002, koraki: -255)

Zdaj dodajte tretji funkcijski izdelek (X1X2) in nato opazujte Izgube.

(Izguba treninga: -0.001, izguba na testu: - 0.001, koraki: -102)

Tako lahko razumete vrednost funkcij, kako doseči dobre rezultate v minimalnih korakih.

  • Nastavite stopnjo učenja na 0, 03, preveri tudi, kako ima stopnja učenja pomembno vlogo pri usposabljanju nevronske mreže.
  • Aktivacijska funkcija kot Tanh, za osnovne nevronske mreže ni potrebe po regularizaciji in hitrosti reguliranja. Spremeniti vrsto težave ni treba.

Ne pozabite pa se igrati z regresijo, tako da imate jasno regresijo.

  • Izberite 2 skrita sloja. Nastavite 4 nevrone za prvo skrito plast in 2 nevrona za drugo skrito plast, nato pa sledi izhod.
  • Od prve plasti se uteži prenesejo na prvi skriti sloj, ki vsebuje izhod iz enega nevrona, izhod drugega skritega sloja pa se meša z različnimi utežmi. Uteži so predstavljene z debelino črt.
  • Nato bo končni izid vseboval izgubo vlaka in preizkusa nevronske mreže.
  • Izhod je pravilno razvrstil podatkovno točko, kot je prikazano na spodnji sliki.

Preizkus:

Naredite nekaj sprememb in preverite, kako vpliva na druge dejavnike. Po vsaki spremembi upoštevajte izgubo vlaka in testa.

Kako parametri igrajo pomembno vlogo za boljšo natančnost modela?

  • Vlak in preskus razmerja : Če dobite dobro razmerje podatkov o preskusu vlakov, bo naš model dobro deloval.
  • Izbira funkcij: z raziskovanjem in izbiro različnih vrst funkcij poiščite prave lastnosti modela.
  • Izbira skritega sloja : Izberite skrito podlago plasti na vhodni velikosti, vendar pri majhnih zbirkah podatkov 2 skrita plast deluje odlično. Torej naredite nekaj sprememb v skriti plasti in na njej naredite tudi nekaj opažanj. Dobili boste boljšo predstavo o tem, kako skrita plast igra v njej vlogo.
  • Stopnja učenja: najpomembnejši hiperparameter za model. Velike stopnje učenja lahko povzročijo nestabilno usposabljanje modela, majhen pa rezultat neuspeha pri usposabljanju. Torej izberite stopnjo učenja, ki popolnoma ustreza vašemu modelu in vam daje najboljše rezultate.

Zgoraj omenjeni 4 izrazi igrajo pomembno vlogo pri treniranju dobre nevronske mreže. Zato se poskusite z njo igrati na igrišču Tensorflow

Zaključek

Tensorflow igrišče je res odlična platforma za spoznavanje nevronskih mrež, trenira nevronsko mrežo s klikom na gumb za predvajanje in celotno omrežje bo usposobljeno preko vašega brskalnika in vam omogočilo, da preverite, kako se spreminja izhod omrežja.

Priporočeni članki

To je vodnik po igrišču Tensorflow. Tukaj razpravljamo o tem, kaj je igrišče Tensorflow? Značilnosti igrišča Tensorflow vključujejo podatke, skrite plasti, epoho, učno funkcijo itd. Če želite izvedeti več, si oglejte tudi naslednje članke -

  1. Kako namestiti TensorFlow
  2. Uvod v Tensorflow
  3. TensorFlow alternative
  4. Theano proti Tensorflowu
  5. Najboljših 5 razlik med TensorFlowom in Spark
  6. Kaj je TensorFlow?

Kategorija:

Veliki podatki