التعلّم العميق: ابنِ شبكة ودرّبها
أضف طبقات وخلايا، واختر دالة تنشيط، ثم درّب. والغاية ليست بناء شيء مفيد بل تنمية حدس لما يفعله كل مقبض، لأنك في مشروع حقيقي ستختار هذه القيم دون رؤية. راقب شبكة بسعة أقلّ من اللازم تعجز عن الفصل بين الفئات أصلًا، ثم شبكة بسعة مفرطة تتعلّم نقاط التدريب تمامًا والحدّ الفاصل بشكل سيّئ. ولاحظ كم يهمّ معدّل التعلّم مقارنةً بالمعمارية. فمعظم العمل العملي في التعلّم العميق هو هذه الحلقة على نطاق أكبر، والحكم الذي تتطلّبه أرخص بكثير بناءً هنا حيث تنتهي التجربة في ثانية.
عن هذه الأداة
ماذا تفعل
ابنِ شبكة عصبية صغيرة — طبقات وخلايا ودالة تنشيط — وشاهدها تتعلّم مهمة تصنيف مباشرة، مع تحدّث مخطط الشبكة وحدود القرار ومنحنى الخسارة أثناء التدريب.
لمن هي
لكل من يريد أن يرى ما يعنيه «تدريب نموذج». الفضول هو الشرط الوحيد.
مثال
تُدخل:طبقتان مخفيتان، 6 خلايا لكل منهما، ReLU — ثم اضغط تدريب.
تحصل على:حدود القرار تنحني لتفصل الفئتين بينما يهبط منحنى الخسارة. اجعلها خلية واحدة وشاهدها تفشل — وتلك هي الفكرة.
ما لا تفعله
شبكة صغيرة على مسألة ثنائية الأبعاد تُدرَّب في متصفحك خلال ثوانٍ. النماذج الحقيقية أكبر بمراحل، والأجزاء الصعبة — البيانات والتقييم والنشر — ليست هنا.
بياناتك
يجري التدريب بالكامل في متصفحك. لا شيء يُرسل أو يُخزَّن.
الخطوة التالية
التعلّم العميق
ابنِ شبكة عصبية ودرّبها
كدّس طبقات من العصبونات، اختر دالة تنشيط، واضغط تدريب. شاهد حدّ القرار ينحني ليفصل الفئات بينما يهبط الخطأ — هذه شبكة تتعلّم أمامك.
المزيد من العصبونات والطبقات يرسم حدودًا أعقد — لكن التدريب الأطول قد يسبّب فرط المطابقة.