神经网络游乐场---可以在浏览器中使用神经网络训练学习。

第几代

数据

您要使用哪个数据集?

特征

您要输入哪些属性?

单击任意位置进行编辑.
权重/偏差0.2.
这是一个神经元的输出。 将鼠标悬停在更大的位置。
输出以不同的权重混合,如线的粗细所示。

输出

测试损失
训练损失
颜色显示数据,神经元和权重值。

嗯,什么是神经网络??

嗯,什么是神经网络? 这是一种构建可从数据中学习的计算机程序的技术。 它非常松散地基于我们认为人脑的工作方式。 首先,创建了一个软件“神经元”并将其连接在一起,从而使它们能够相互发送消息。 接下来,要求网络反复解决一个问题,每次尝试加强导致成功的连接并减少导致失败的连接时,都会尝试解决该问题。 有关神经网络的更详细介绍,Michael Nielsen的神经网络和深度学习是一个不错的起点Neural Networks and Deep Learning。 有关更多技术概述,请尝试Ian Goodfellow,Yoshua Bengio和Aaron Courville撰写的《深度学习》Deep Learning

这很酷,我可以重新利用它吗??

请做! 我们已经将其开源GitHub 希望它可以使神经网络更易于访问和学习。 您可以按照我们的任何方式随意使用它 Apache License. 如果您有任何补充或更改的建议,请 让我们知道.

我们还在下面提供了一些控件,使您可以根据特定主题或课程定制操场。 只需选择要在下面显示的功能,然后保存 这个链接, 或 刷新 这页.

所有颜色是什么意思?

在整个可视化过程中,橙色和蓝色的使用方式略有不同,但通常橙色显示负值,而蓝色显示正值。 数据点(用小圆圈表示)最初是橙色或蓝色,分别对应于正数1和负数1。
在隐藏层中,这些线由神经元之间的连接权重来着色。
蓝色表示正权重,这表示网络正在使用给定的神经元输出。 橙色线表示网络辅助负重。 在输出层中,圆点根据其原始值被涂成橙色或蓝色。
背景颜色显示网络对特定区域的预测。 颜色的强度表明预测的可信度。

您正在使用哪个library?

我们写了一个很小的神经网络 library 满足了这种教育可视化的要求。 对于实际应用,请考虑 TensorFlow library.

归功于

这是由Daniel Smilkov和Shan Carter创建的。 这是许多人以前工作的延续,尤其是Andrej Karpathy的工作convnet.js demo 和 Chris Olah’s articles 关于神经网络。 非常感谢D. Sculley对最初想法的帮助,以及FernandaViégas,Martin Wattenberg和其他人的帮助。 Big PictureGoogle Brain 团队提供反馈和指导。