Polynomial Training Target
RegressionVarsayılan hedef denklem y = 0.3a² + 2b − 5'tir. Profesör veya öğrenci, "Denklemi Uygula" seçeneğini kullanarak denklemi değiştirebilir ve hedef değerleri yeniden hesaplayabilir.
Tüm değişkenleri kontrol edilebilir sinir ağı eğitimi
Aşağıdaki tüm değerler düzenlenebilir: veri seti, gizli nöronlar, ağırlıklar, bias, öğrenme oranı, eşik ve iterasyonlar.
İterasyon0/ 0
Kayıp0Daha düşük daha iyi
Doğruluk0%Eşiğe göre
Örnek1Satıra tıklayın
Kontrol paneli
280ms
Her değişken değişiminde eğitim sıfırlanır; böylece öğrenciler etkiyi baştan gözlemler.
Düzenlenebilir eğitim verisi
| # | a / x1 | b / x2 | Hedef | İncele |
|---|
Girdi olarak ağırlıklar ve bias
Ağ diyagramı
Çizgi rengi ve kalınlığı ağırlığı gösterirEğitim boyunca loss eğrisi
Tahminler ve hedefler
Sonuç tablosu
| # | a / x1 | b / x2 | Hedef | Tahmin | Sınıf | Kayıp |
|---|
Seçili örnek için detaylı hesaplama
Karışıklık Matrisi
Performans Metrikleri
Kontrol edilebilir değişkenlerle CNN simülasyonu
Her görüntü/kernel hücresini düzenleyin, stride ve bias değerini kontrol edin, çıktı hücresini seçip manuel hesabı görün.
Girdi görüntüsü5×5Düzenlenebilir
Filtre / Kernel3×3Düzenlenebilir
Çıktı3×3Stride değerine bağlı
Seçili1,1Çıktıya tıklayın
CNN kontrolleri
Girdi görüntüsü 5×5
Filtre / Kernel 3×3
Konvolüsyon çıktısı
Aktivasyon sonrası
Bölge ve filtre görsel açıklaması
Manuel hesaplama
Bölge / Patch
Çarpımlar
Kullanım ve çalışma açıklaması
Bu bağımsız açıklama sayfası üstteki buton ile ders sırasında hızlıca açılabilir.
Hızlı sınıf akışı
MLP nasıl çalışır?
CNN nasıl çalışır?
1
2
3
4