Tensorflow Playground 簡單神經網絡在線演示、實驗的平台，非常強大地可視化了神經網絡的訓練過程
網址: http://playground.tensorflow.org/
網頁介面

Tensorflow Playground Intro

上課時教授推薦了這個網站，藉此來記錄一下使用方式。
這個網站將深度學習的名詞，全部變成可調整的設定，可以很方便調整參數，直覺的看出參數的效果，是很厲害的學習資源。

Google的官方指南
https://developers.google.com/machine-learning/crash-course/introduction-to-neural-networks/video-lecture

學習目標

1.神經網路的目標就是通過訓練，知道藍色的點與橘色的點分別分布在那些位置
2.每組數據都是不同型態分布的一群點，數據中的點有2個類別:橘色與藍色

介面介紹

  1. 上面的左邊，是執行步數與顯示，你可以重置訓練，持續訓練，單次訓練，查看已執行的周期數。
    執行步數與顯示

  2. 上面的右邊，是訓練的設定，一開始比較常設的就是學習率，最後一個問題型態會改變下方左邊資料集的選項。有 Classification (分類問題資料集) 和 Regression (回歸問題資料集) 二種。
    訓練的設定

  3. 下方左邊是資料集的設定

這是 Classification (分類問題資料集)，有4個資料集(Circle / XOR / Gaussian / Spiral)。
資料集的設定_Classifucation

這是 Regression (回歸問題資料集)，有2個資料集(Plane / Multi gaussian)。
資料集的設定_Regression

  1. 下面可以設定資料集的訓練設定，要拿多少資料出來訓練，噪點的程度，批次的大小。
    資料及的訓練設定

調整噪點後，可以在右邊看到資料集的分佈情況。
調整噪點

  1. 7種型態的特徵輸入值。
    7種型態的特徵輸入值

這些型態可以簡單的這樣想像：
一個變數 X，這很容易想像，就是一條線可以把畫面切為二個區塊。
變數 X 平方可以把畫面切為3個區塊。
x1x2二個變數可以變成一個二維坐標系，把畫面切為4個區塊。
sin(x) 正弦函數可以把畫面的資料切成4個區塊

  1. 隱藏層的設定。
    隱藏層的設定

  2. 訓練後你也可以查看跟調整權重。
    查看和調整權重

  3. 下面右方是輸出結果的顯示，可以看到損失值的情況，下面可以用測試集察看是否有準確。
    損失值查看

最後就是動手玩看看囉。

試玩1

試玩2

挑戰看看

最後可以看這個課程的任務 Neural Networks: Playground Exercises ，練習看看。
https://developers.google.com/machine-learning/crash-course/introduction-to-neural-networks/playground-exercises