در تمرینهای تعاملی زیر، از آنچه آموختهاید برای آموزش شبکه عصبی برای جا دادن دادههای غیرخطی استفاده خواهید کرد.
ورزش کنید
در تمرینهای متقاطع ویژگی در ماژول دادههای دستهبندی ، شما بهطور دستی تلاقیهای ویژگی را برای جا دادن دادههای غیرخطی ساختهاید. اکنون، خواهید دید که آیا میتوانید یک شبکه عصبی بسازید که به طور خودکار یاد بگیرد که چگونه دادههای غیرخطی را در طول آموزش جاسازی کند.
وظیفه شما: یک شبکه عصبی را پیکربندی کنید که بتواند نقاط نارنجی را از نقاط آبی در نمودار زیر جدا کند و در داده های آموزشی و آزمایشی کمتر از 0.2 از دست بدهد.
دستورالعمل:
در ویجت تعاملی زیر:
- با آزمایش برخی از تنظیمات پیکربندی زیر، فراپارامترهای شبکه عصبی را تغییر دهید:
- با کلیک بر روی دکمه های + و - در سمت چپ عنوان لایه های پنهان در نمودار شبکه، لایه های پنهان را اضافه یا حذف کنید.
- با کلیک بر روی دکمه های + و - بالای ستون لایه پنهان، نورون ها را از یک لایه پنهان اضافه یا حذف کنید.
- نرخ یادگیری را با انتخاب یک مقدار جدید از کشویی نرخ یادگیری در بالای نمودار تغییر دهید.
- تابع فعال سازی را با انتخاب یک مقدار جدید از منوی کشویی Activation در بالای نمودار تغییر دهید.
- برای آموزش مدل شبکه عصبی با استفاده از پارامترهای مشخص شده، روی دکمه Play (▶️) در بالای نمودار کلیک کنید.
- مشاهده تجسم مدل برازش دادهها در حین پیشرفت آموزش و همچنین مقادیر Test loss و Training loss در بخش Output .
- اگر مدل در دادههای آزمایشی و آموزشی به ضرر کمتر از 0.2 نرسید، روی تنظیم مجدد کلیک کنید و مراحل 1 تا 3 را با مجموعهای از تنظیمات پیکربندی متفاوت تکرار کنید. این روند را تا رسیدن به نتایج مطلوب تکرار کنید.
برای راه حل ما اینجا را کلیک کنید
ما توانستیم به ضرر تست و تمرین زیر 0.2 برسیم:
- افزودن 1 لایه پنهان حاوی 3 نورون.
- انتخاب نرخ یادگیری 0.01.
- انتخاب یک تابع فعال سازی ReLU.