好，今天還是沒有程式也沒有數學。來認識一下這個好玩的網站，相信已經很多人玩過 tensorflow 遊樂場這個網站，這是個開原始碼的專案，原始碼放在github，這個在後面的 Google ML 課程裡，在聊到L1和L2正規化(regularization)時，也使用這個遊樂場來教學。不過今天沒有要介紹L1和L2正規化，我們先熟悉一下介面，玩一下模型訓練。

這個遊樂場把之前幾天你看到的深度學習的名詞，全部變成可調整的設定，所以你可以很方便調整參數，直覺的看看參數的效果，真的是很厲害的網站。

這個 Tensorflow Playground 介面，大概分為5個大區塊。

上面的左邊，是執行步數與顯示，你可以重置訓練，持續訓練，單次訓練，查看已執行的周期數。

上面的右邊，是訓練的設定，一開始比較常設的就是學習率，最後一個問題型態會改變下方左邊資料集的選項。有 Classification (分類問題資料集) 和 Regression (回歸問題資料集) 二種。

下方左邊是資料集的設定，這是 Classification (分類問題資料集)，有4個資料集(Circle / XOR / Gaussian / Spiral)。

這是 Regression (回歸問題資料集)，有2個資料集(Plane / Multi gaussian)。

下面可以設定資料集的訓練設定，要拿多少資料出來訓練，噪點的程度，批次的大小。

像調整噪點後，可以在右邊看到資料集的分佈情況。

下方中間是設定特徵輸入值還有設定隱藏層的層數與每一層有幾個神經元。

7種型態的特徵輸入值。

這些型態可以簡單的這樣想像。

一個變數 X，這很容易想像，就是一條線可以把畫面切為二個區塊。

變數 X 平方可以把畫面切為3個區塊。

x1x2二個變數可以變成一個二維坐標系，把畫面切為4個區塊。

sin(x) 正弦函數可以把畫面的資料切成4個區塊
。

隱藏層的設定。

訓練後你也可以查看跟調整權重。

下面右方是輸出結果的顯示，可以看到損失值的情況，下面可以用測試集察看是否有準確。

最後就是動手玩看看囉。

如果不知道要挑戰些什麼，可以看這個課程的任務 Neural Networks: Playground Exercises ，練習看看。

好，第6天，結束。