[딥러닝]Tensorflow : Neural Network Playground

https://bit.ly/487HdL1

Tensorflow — Neural Network Playground

심층 신경망(DNN, Deep Neural Networks)을 직관적으로 시각화하고 실험할 수 있는 웹 기반 도구

다양한 하이퍼파라미터와 데이터셋을 설정하여 신경망의 학습 과정을 실시간으로 관찰할 수 있다.

 

 

• 데이터셋 선택: 스파이럴(spiral), 정사각형 및 평면 회귀 문제 같은 여러 가지 기본 데이터셋을 제공한다.  
• 신경망 구조 설정: 네트워크 구조는 각 층에 몇 개의 노드를 배치할 것인지 설정할 수 있다. ex)hidden layer 3개 노드 7개씩
• 활성화 함수(Activation Function):  ReLU 활성화 함수가 선택되었다.
• 학습률(Learning Rate): 학습 속도를 제어하는 하이퍼파라미터.
• 규제(Regularization): 모델의 복잡도를 줄이고 과적합(overfitting)을 방지하기 위해 사용하는 기법
• 배치 크기(Batch Size): 한 번의 학습에서 사용할 데이터의 양을 결정한다.
• 시드 값(Seed): 무작위성에 영향을 주는 값으로, 시드를 고정함으로써 실험의 재현성을 확보할 수 있다.
• 시각적 피드백: 네트워크가 학습하는 동안의 변화와 결정 경계(decision boundary)를 시각적으로 확인할 수 있다. 실시간으로 학습 과정을 시각화하여 모델의 성능이 어떻게 변화하는지 쉽게 이해할 수 있다.