TensorFlow遊樂場是一個經過網頁瀏覽器就能夠訓練簡單神經網絡 並實現了可視化訓練過程的工具。算法
地址:playground.tensorflow.org/瀏覽器
從左到右三個功能分別是:(a)重啓;(b)運行;(c)一次運行一個週期微信
用於查看訓練的週期數網絡
名稱 功能說明函數
Learning rate 學習率(是一個超參數,在梯度降低算法中會用到;學習率是人爲根據實際狀況來設定)。工具
Activation 激活函數(默認爲非線性函數Tanh;若是對於線性分類問題,這裏能夠不使用激活函數)。學習
Regularization 正則化(正則化是利用範數解決過擬合的問題)。 Problem type 問題類型(在這裏咱們要解決的是一個二分類問題,簡單解釋一下分類問題是指,給定一個新的模式,根據訓練集推斷它所對應的類別(如:+1,-1),是一種定性輸出,也叫離散變量預測;迴歸問題是指,給定一個新的模式,根據訓練集推斷它所對應的輸出值(實數)是多少,是一種定量輸出,也叫連續變量預測;在這裏咱們屬於分類問題。)。測試
名稱 說明3d
DATA 數據集類型(這裏提供了四種數據集,咱們默認選中第一種;被選中的數據也會顯示在最右側的OUTPUT中;在這個數據中,咱們能夠看到二維平面上有藍色和黃色的小點;每個小點表明一個樣例例子;點的顏色表明樣例的標籤;由於只有兩種顏色,因此這裏是一個二分類問題;在這裏咱們以判斷某工廠零件是否合格爲例子來講明,那麼黃色就表明不合格零件,藍色就表明合格零件)。cdn
Ratio of training to test 數據用於測試的比例(直接對進度條進行操做便可調整)。 Noise對數據中引入噪聲。
Batch size 調整batch size的大小。
名稱 說明
FEATURES 特徵向量(爲了將一個實際問題對應到空間中的點,咱們須要提取特徵。在這裏咱們能夠用零件的長度和質量來大體描述;因此這裏x1就表明零件長度,x2表明零件質量;特徵向量是神經網絡的輸入)。
HIDDEN LAYERS 隱藏層(在輸入和輸出之間的神經網絡稱爲隱藏層;通常神經網絡的隱藏層越多這個神經網絡越深;這裏咱們默認有一個隱藏層,這個隱藏層上有4個節點)。
直接經過點擊各個圖標便可選擇Features的類型,對於隱藏層的操做,能夠直接選擇加減號便可得到想要的隱藏層層數以及每層的神經元個數。
設置完上面的參數,點擊運行便可觀測到輸出結果的變化。
若是你選擇的是分類問題,便可看到明顯的邊界變化以及loss在不斷減少的狀況,點擊show test data能夠顯示未參與訓練的test數據集的狀況,點擊Discretize output能夠看到離散化後的結果。
參數設置:學習率0.03,激活函數Tanh,正則項L1 比例0.001,問題類型Classification
數據:選擇左上第一個
網絡結構:選擇含兩個隱藏層,第一個隱藏層4個神經元,第二個隱藏層2個神經元
參考自:www.jianshu.com/p/95d46de63…
---我是可愛的分割線---
關注 蒐羅最好玩的計算機視覺論文和應用,AI算法與圖像處理 微信公衆號,得到第一手計算機視覺相關信息