搭建神经网络---可视化 网站(干货)

举报
一颗小树x 发表于 2020/12/03 00:52:10 2020/12/03
【摘要】 下面的内容适合于初学者更好地对 不同的神经网络模型 能形象的了解。 官网地址:http://playground.tensorflow.org/   下图是主界面:   参数说明: 1)Problem type 问题类型(是分类问题,还是回归问题,可以选择) classification  分类           regression  回归 2)Epo...

下面的内容适合于初学者更好地对 不同的神经网络模型 能形象的了解。

官网地址http://playground.tensorflow.org/

 

下图是主界面:

 

参数说明:

1)Problem type 问题类型(是分类问题,还是回归问题,可以选择)

classification  分类           regression  回归

2)Epoch  迭代次数       Learning rate  学习率       Activation  激活函数 (有Tanh, ReLU , Sigmoid , linear,可以自由选择)

3)Regularization 正则化函数 (L1,L2) 正则化的目的是降低过拟合的可能性

Regularization rate  正则化率

4)Ratio of training to test data:  50%    训练与测试数据的比率:50%

5)Noise:    噪音         Batch size:  批量

 

例子1:

分类问题,假设输入层有两个属性,有三个隐藏层(每个隐藏层,有4个神经元),输出层有2个类别

搭建网络如下:

迭代了98次,Training loss 0.001    Test loss 0.002  

 

现在我们调整一下 Ratio of training to test data:( 训练与测试数据的比率)70%

看到了 迭代了83次,Training loss 0.001    Test loss 0.001 ,

还可以换一个激活函数,改变学习率,调整输入属性,改变隐藏层等,自己动手试试吧。

 

例子2: 

做一个回归的问题

假设输入层有三个属性,有两个隐藏层(每个隐藏层,有4个神经元),输出层有2个类别

Learning rate  学习率设为0.01       Activation  激活函数选择ReLU

Regularization 正则化函数选择L1    Regularization rate  正则化率设为0.001

 搭建网络如下:

看到了 迭代了76次,Training loss 0.001    Test loss 0.001 .

还可以换一个激活函数,改变学习率,调整输入属性,改变隐藏层等,自己动手试试吧。

 

希望对你有帮助。

 

 

 

 

文章来源: guo-pu.blog.csdn.net,作者:一颗小树x,版权归原作者所有,如需转载,请联系作者。

原文链接:guo-pu.blog.csdn.net/article/details/90293789

【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

举报
请填写举报理由
0/200