tensorflow playground簡介

TensorFlow游樂場是一個通過網頁瀏覽器就可以訓練簡單神經網絡 并實現了可視化訓練過程的工具。

TensorFlow playground使用；TensorFlow playground界面

TensorFlow playground界面示意圖

功能詳解

（1）控制運行

從左到右三個功能分別是：（a）重啟；（b）運行；（c）一次運行一個周期

（2）運行周期數

用于查看訓練的周期數

（3）參數調整區域

名稱 ——> 功能說明

Learning rate ——>學習率（是一個超參數，在梯度下降算法中會用到；學習率是人為根據實際情況來設定）。

Activation——> 激活函數（默認為非線性函數Tanh；如果對于線性分類問題，這里可以不使用激活函數）。

Regularization——> 正則化（正則化是利用范數解決過擬合的問題）。 Problem type 問題類型（在這里我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；回歸問題是指，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；在這里我們屬于分類問題。）。

（4）數據區域

名稱——> 說明

DATA ——>數據集類型（這里提供了四種數據集，我們默認選中第一種；被選中的數據也會顯示在最右側的OUTPUT中；在這個數據中，我們可以看到二維平面上有藍色和黃色的小點；每一個小點代表一個樣例例子；點的顏色代表樣例的標簽；因為只有兩種顏色，所以這里是一個二分類問題；在這里我們以判斷某工廠零件是否合格為例子來說明，那么黃色就代表不合格零件，藍色就代表合格零件）。

Ratio of training to test——> 數據用于測試的比例（直接對進度條進行操作即可調整）。 Noise對數據中引入噪聲。

Batch size ——>調整batch size的大小。

（5）網絡結構調整區域

名稱——> 說明

FEATURES——> 特征向量（為了將一個實際問題對應到空間中的點，我們需要提取特征。在這里我們可以用零件的長度和質量來大致描述；所以這里x1就代表零件長度，x2代表零件質量;特征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為隱藏層；一般神經網絡的隱藏層越多這個神經網絡越深；這里我們默認有一個隱藏層，這個隱藏層上有4個節點）。

直接通過點擊各個圖標即可選擇Features的類型，對于隱藏層的操作，可以直接選擇加減號即可獲得想要的隱藏層層數以及每層的神經元個數。

（6）輸出結果區域

設置完上面的參數，點擊運行即可觀測到輸出結果的變化。

如果你選擇的是分類問題，即可看到明顯的邊界變化以及loss在不斷減小的情況，點擊show test data可以顯示未參與訓練的test數據集的情況，點擊Discretize output可以看到離散化后的結果。

演示

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