Euh, Qu'est-ce qu'un Réseau de Neurones ?

C'est une technique pour construire un programme informatique qui apprend à partir de données. Elle est très vaguement basée sur la façon dont nous pensons que le cerveau humain fonctionne. D'abord, une collection de « neurones » logiciels sont créés et connectés ensemble, leur permettant de s'envoyer des messages. Ensuite, on demande au réseau de résoudre un problème, ce qu'il tente de faire encore and encore, renforçant à chaque fois les connexions qui mènent au succès et diminuant celles qui mènent à l'échec. Pour une introduction plus détaillée aux réseaux de neurones, le livre de Michael Nielsen Neural Networks and Deep Learning est un bon point de départ. Pour un aperçu plus technique, essayez Deep Learning par Ian Goodfellow, Yoshua Bengio et Aaron Courville.

C'est cool, Puis-je le Réutiliser ?

Bien sûr ! Nous l'avons rendu open source sur GitHub dans l'espoir qu'il puisse rendre les réseaux de neurones un peu plus accessibles et plus faciles à apprendre. Vous êtes libre de l'utiliser de toute manière qui respecte notre Licence Apache. Et si vous avez des suggestions d'ajouts ou de modifications, s'il vous plaît faites-le nous savoir.

Nous avons également fourni quelques contrôles ci-dessous pour vous permettre d'adapter le terrain de jeu à un sujet ou une leçon spécifique. Choisissez simplement les fonctionnalités que vous souhaitez voir visibles ci-dessous puis enregistrez ce lien, ou actualisez la page.

Que Signifient Toutes les Couleurs ?

L'orange et le bleu sont utilisés tout au long de la visualisation de manières légèrement différentes, mais en général, l'orange indique des valeurs négatives tandis que le bleu indique des valeurs positives.

Les points de données (représentés par de petits cercles) sont initialement colorés en orange ou en bleu, ce qui correspond à plus un et moins un.

Dans les couches cachées, les lignes sont colorées par les poids des connexions entre les neurones. Le bleu indique un poids positif, ce qui signifie que le réseau utilise la sortie du neurone telle quelle. Une ligne orange indique que le réseau attribue un poids négatif.

Dans la couche de sortie, les points sont colorés en orange ou en bleu en fonction de leurs valeurs d'origine. La couleur de fond montre ce que le réseau prédit pour une zone particulière. L'intensité de la couleur montre à quel point cette prédiction est confiante.

Quelle Bibliothèque Utilisez-vous ?

Nous avons écrit une petite bibliothèque de réseau de neurones qui répond aux exigences de cette visualisation éducative. Pour les applications du monde réel, envisagez la bibliothèque TensorFlow.

Crédits

Ceci a été créé par Daniel Smilkov et Shan Carter. C'est la continuation du travail précédent de nombreuses personnes - notamment la démo convnet.js d'Andrej Karpathy et les articles de Chris Olah sur les réseaux de neurones. Un grand merci également à D. Sculley pour son aide sur l'idée originale et à Fernanda Viégas et Martin Wattenberg et au reste des équipes Big Picture et Google Brain pour leurs commentaires et leurs conseils.