งานในห้องปฏิบัติการจาก AI for Beginners Curriculum.
แก้ปัญหาการจำแนกตัวเลขเขียนด้วยมือในชุดข้อมูล MNIST โดยใช้ Perceptron แบบ 1 ชั้น, 2 ชั้น และ 3 ชั้น ใช้เฟรมเวิร์คของเครือข่ายประสาทที่เราได้พัฒนาขึ้นในบทเรียน
เริ่มต้นการทดลองโดยเปิด MyFW_MNIST.ipynb
ผลลัพธ์จากการทดลองนี้ ลองตอบคำถามต่อไปนี้:
- ฟังก์ชันการกระตุ้นระหว่างชั้นส่งผลต่อประสิทธิภาพของเครือข่ายหรือไม่?
- เราจำเป็นต้องใช้เครือข่ายแบบ 2 ชั้นหรือ 3 ชั้นสำหรับงานนี้หรือไม่?
- คุณพบปัญหาใดบ้างในการฝึกเครือข่าย โดยเฉพาะเมื่อจำนวนชั้นเพิ่มขึ้น?
- น้ำหนักของเครือข่ายมีพฤติกรรมอย่างไรระหว่างการฝึก? คุณอาจวาดกราฟค่ามากสุดของน้ำหนักเทียบกับ epoch เพื่อทำความเข้าใจความสัมพันธ์
ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้อง แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่แม่นยำ เอกสารต้นฉบับในภาษาต้นทางควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลภาษาจากผู้เชี่ยวชาญ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความที่ผิดพลาดซึ่งเกิดจากการใช้การแปลนี้