可視化dnn訓(xùn)練

dnn訓(xùn)練可視化

基礎(chǔ)可視化指標(biāo)
1、train loss的變化曲線(可包含batch更新前后的loss分別曲線)
2、test loss的變化曲線
3、學(xué)習(xí)率,梯度的變化曲線(分batch,分參數(shù)計(jì)算其梯度值,以及學(xué)習(xí)率*梯度值分布)
4、test,train中一些case的打印
5、單參數(shù)的分布顯示(對應(yīng)embedding參數(shù),顯示其降緯后的可視化分布<t_SNE>,如果是高層的embedding表示,還需要通過輸入case,前向計(jì)算其結(jié)果再輸出可視化分布)

6.http://playground.tensorflow.org/#activation=tanh&batchSize=10&dataset=circle&regDataset=reg-plane&learningRate=0.03&regularizationRate=0&noise=0&networkShape=4,2&seed=0.46767&showTestData=false&discretize=false&percTrainData=50&x=true&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&hideText=false

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時(shí)請結(jié)合常識與多方信息審慎甄別。
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容