iT邦幫忙

第 11 屆 iThome 鐵人賽

DAY 7
0
Google Developers Machine Learning

Machine Learning Day30系列 第 7

[Day07] TensorFlow遊樂場

  • 分享至 

  • xImage
  •  

深度學習使用類神經網路,
包含輸入層、隱藏層和輸出層,
以梯度下降方法,來找出最小誤差。

介面介紹

參考Coursa的「Tensor Flow Playground」課程,
介面分為五大部分:
https://ithelp.ithome.com.tw/upload/images/20190922/20112568ry0ZZ4z5rt.png
網址:TensorFlow PlayGround

操作模型

每一次訓練,都會讓誤差變小:
https://ithelp.ithome.com.tw/upload/images/20190922/201125681jnMOuDk6y.png

查看權重方式:
https://ithelp.ithome.com.tw/upload/images/20190922/201125683amNLFscld.png

按下「訓練按鈕」,開始訓練:
https://ithelp.ithome.com.tw/upload/images/20190922/20112568LPzEXe02ST.png

使用「很小的學習率」再訓練,試著觀察「損失函數」和「權重」:
https://ithelp.ithome.com.tw/upload/images/20190922/201125688wSmD7IJcE.png

學習率越大,損失函數下將越快,權重越高,步伐越大:
https://ithelp.ithome.com.tw/upload/images/20190922/20112568ux5CNh7dnr.png

非線性特徵

非線性資料,訓練結果:
https://ithelp.ithome.com.tw/upload/images/20190922/20112568YilFwRJnCP.png

非線性資料,難以收斂:
https://ithelp.ithome.com.tw/upload/images/20190922/20112568iwyJu9DYNd.png

非線性資料,使用ReUL函數:
https://ithelp.ithome.com.tw/upload/images/20190922/20112568cI6HPWXug8.png

調整Batch Size的結果:
https://ithelp.ithome.com.tw/upload/images/20190922/20112568PakUwFYnHL.png

Batch Size增加,曲線平滑度增加,較為穩定。

非線性資料訓練,可能有overfit的情況:
https://ithelp.ithome.com.tw/upload/images/20190922/20112568HLDuN7OHzb.png


TensorFlow強大於使用大數據,
以及處理非線性的資料分布,
畢竟世界上資料還是以非線性居多。


以上,打完收工。


上一篇
[Day06] 深度學習的種類
下一篇
[Day08] 機器學習七大步驟
系列文
Machine Learning Day3026
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言