Hva er TensorFlow Playground?

Tensorflow lekeplass er en nevrisk lekeplass. Som er en interaktiv nettapp som bygde på ds3.js. Det er en pedagogisk visualiseringsplattform for en lekmann. Så de kan lett forstå konseptene om dyp læring som

  • Opprette nevrale nettverk
  • Kjører nevrale nettverk
  • Forstå arbeidet med nevrale nettverk.
  • Leker med hyperparametere i nevrale nettverk som læringsfrekvens, aktiveringsfunksjon, epoker.
  • Få resultater

Tensorflow lekeplass gir en flott plattform som lar brukere som ikke er kjent med matematikk og koding på høyt nivå, eksperimentere med nevralt nettverk for dyp læring. Den er skapt for å forstå kjerneideen bak det nevrale nettverket.

Fasiliteter ved TensorFlow Playground

Det er hovedsakelig 10 termin som spiller en viktig rolle i lekeplassen Tensorflow.

1) Data

Lekeplassen inneholder hovedsakelig 6 forskjellige typer datasett

Klassifisering: Circle, Exclusive eller, Gaussian, spiral.

Regresjon: Plane, Multi Gaussian.

Småkretspunkter er representert som datapunkter som tilsvarer Positive (+) og Negative (-). Positivt representert med blått, Negativt representert med oransje. Disse samme fargene brukes til å representere data, nevron, vektverdier.

2) Forholdet mellom tog- og testdata, støy, batchstørrelse

Deling av rasjonering av data i Tog- og testdata. Legg til støy i dataene dine for bedre trening av modellen. Batch betyr et sett med eksempler brukt i en iterasjon.

3) Funksjoner

Den gir 7 funksjoner eller innganger - X1, X2, Kvadrater av X1X2, Produkt av X1X2 og sin av X1X2. Velg og fjern markeringen av funksjonene for å forstå hvilken funksjon som er viktigere. Den spiller en viktig rolle i funksjonsteknikk.

4) Skjulte lag

Øk og reduser det skjulte laget i henhold til innspill eller data. Kan også velge nevronene for hvert skjult lag og eksperimentere med forskjellige skjulte lag og nevroner, sjekke hvordan resultatene endrer seg.

5) Epok

Epok er en komplett iterasjon gjennom datasettet. Når du velger avspillingsknappen for å starte nettverket. Når nettverket er startet no. epoker vil fortsette å øke.

Tilbakestill-knappen vil tilbakestille hele nettverket.

6) Læringsfrekvens

Læringsfrekvensen er et hyperparameter som brukes til å fremskynde prosedyren for å få lokale optima.

7) Aktiveringsfunksjon

En aktiveringsfunksjon brukes mellom to lag i nevrale nettverk. Det er ansvarlig for å aktivere nevronene i nettverket.

4 typer aktiveringsfunksjon - ReLU, Tanh, Sigmoid, Linear

8) Regulering

Det er to typer regulering L1 og L2. Hvilken er vant til å redusere overmontering av modellen? Modellen er overmontert når den bare kan fungere bra med enkelt datasettet når datasettet endres, og den gir veldig dårlig data.

9) Problemtype

Tensorflow lekeplass håndterer to typer problemer: Klassifiseringer, Regresjon

10) Utgang

Sjekk modellytelsen etter trening av det nevrale nettverket. Observer testtapet og treningstapet for modellen.

Eksempel:

La oss gjøre et klassifiseringsproblem på lekeplassen Tensorflow.

Fremgangsmåte for hvordan du spiller på denne nevrale lekeplassen:

  • Velg det eksklusive problemet ELLER datasettklassifisering.
  • Sett forholdet mellom trenings- og testdata til 60% - noe som betyr at vi har 60% togdata og 40% testdata.
  • Støy er lagt til 5 og øke det og eksperimentere med det, sjekk hvordan produksjonstapene endres og velg batchstørrelse til 10.
  • Velg først enkle funksjoner som X1 og X2, og noter deretter tapstapet

(Treningstap: -0.004, Testtap: - 0.002, trinn: -255)

Nå legger du til det tredje funksjonsproduktet av (X1X2) og observer tapene.

(Treningstap: -0.001, Testtap: - 0.001, trinn: -102)

Slik kan du forstå verdien av funksjoner, hvordan du får gode resultater i minimum trinn.

  • Sett læringsfrekvensen til 0, 03, sjekker også hvordan læringsfrekvensen spiller en viktig rolle i trening av et nevralt nettverk.
  • Aktiveringsfunksjon som Tanh, for grunnleggende nevrale nettverk er det ingen krav til regularisering og regulariseringsfrekvens. Det er ikke nødvendig å endre problemtypen.

Men ikke glem å leke med regresjon, så har du en klar ide om regresjon.

  • Velg 2 skjulte lag. Sett 4 nevroner for det første skjulte laget og 2 nevroner for det andre skjulte laget, deretter fulgt av utgangen.
  • Fra det første laget føres vektene videre til det første skjulte laget som inneholder utdata fra en nevron, den andre skjulte lagutgangen er blandet med forskjellige vekter. Vektene er representert av tykkelsen på linjene.
  • Da vil den endelige utdataene inneholde tog- og testtap av nevrale nettverk.
  • Utgangen har klassifisert datapunktet riktig som vist på bildet nedenfor.

eksperimentering:

Gjør noen endringer og sjekk hvordan det påvirker andre faktorer. Observer tog- og testtapet etter hver endring.

Hvordan spiller parametere en viktig rolle for å oppnå bedre nøyaktighet av modellen?

  • Ratio Train and Test: Å få et godt forhold av togtestdatasettet vil gi god ytelse av modellen vår.
  • Funksjonsvalg: Ved å utforske og velge forskjellige typer funksjoner, finn de riktige funksjonene for modellen.
  • Valg av skjult lag : Velg skjult lagbase i inputstørrelsen, men for små datasett fungerer skjult lag perfekt. Så gjør noen endringer i det skjulte laget, og gjør også noen observasjoner på det. Du vil få et bedre inntrykk av hvordan det skjulte laget spiller en rolle i det.
  • Læringsfrekvens: Det viktigste hyperparameteret for modellen. Store læringsnivåer kan resultere i ustabil trening av modeller og en liten rate resultere i svikt i trening. Så velg læringsfrekvensen som passer perfekt til modellen din og gi deg best mulig utbytte.

Ovennevnte 4 begreper spiller en viktig rolle i trening av et godt nevralt nettverk. Så prøv å leke med den i Tensorflow Playground

Konklusjon

Tensorflow lekeplass er en veldig flott plattform for å lære om nevrale nettverk. Den trener et nevralt nettverk ved å bare klikke på avspillingsknappen, og hele nettverket blir trent over nettleseren din, og lar deg sjekke at hvordan nettverksutgangen endrer seg.

Anbefalte artikler

Dette er en guide til lekeplassen Tensorflow. Her diskuterer vi Hva er Tensorflow Playground? Funksjoner ved Tensorflow Playground inkluderer data, skjulte lag, epoke, læringsfunksjon, etc. Du kan også se på følgende artikler for å lære mer -

  1. Hvordan installere TensorFlow
  2. Introduksjon til Tensorflow
  3. TensorFlow-alternativer
  4. Theano vs Tensorflow
  5. Topp 5 forskjellen mellom TensorFlow vs Spark
  6. Hva er TensorFlow?

Kategori:

Stor Data