Data science

Réseau de neurones — les poids pendant l'entraînement · Keras

en attente
Lancez un entraînement pour commencer.

Le réseau

Choisissez une architecture à gauche puis cliquez sur ▶ Entraîner.

Survolez une connexion ou un neurone pour lire sa valeur. Cliquez sur un neurone pour voir son calcul détaillé, sur une connexion (ou une case des matrices) pour suivre l'évolution de ce poids.

Perte (loss)

entraînementvalidation (test)

Précision (accuracy)

entraînementvalidation (test)

Évolution d'un poids

Cliquez sur une connexion pour la suivre.

Frontière de décision

Chaque pixel est un exemple imaginaire, colorié selon la classe que le réseau prédit à cette étape. Une couleur pâle signifie que le réseau hésite. Cercle noir : l'exemple choisi. Les axes se changent dans le panneau Données.

Les matrices de poids (ce que Keras stocke réellement : layer.kernel et layer.bias)

Guide d'utilisation

Démarrage en 4 étapes

  1. Choisir les données puis configurer le réseau dans le panneau de gauche. Les valeurs par défaut (8 neurones, ReLU, Adam, taux 0,01) fonctionnent bien.
  2. Cliquer sur ▶ Entraîner. Les poids sont tirés au hasard puis corrigés après chaque paquet d'exemples.
  3. Observer le réseau, les courbes et la frontière de décision évoluer en direct.
  4. Explorer : rembobiner avec le curseur, cliquer sur un neurone pour voir son calcul, sur une connexion pour suivre son poids.

Ce que l'on peut cliquer

Un neuroneaffiche son calcul détaillé sous le schéma (entrées × poids + biais, activation)
Une connexiontrace l'évolution de ce poids dans « Évolution d'un poids »
Une case de matricemême chose, y compris pour les biais
Poids / Δwaffiche la valeur des poids ou leur variation à cette étape
Un bouton ?explique la zone correspondante

Raccourcis clavier

← →reculer / avancer d'une mise à jour
Espacelecture / pause
Entrée+1 mise à jour (en pas à pas)
?ouvrir / fermer ce guide
Échapfermer une bulle d'aide

Vocabulaire

Paquet (batch)
groupe d'exemples traités ensemble. Après chaque paquet, Keras calcule l'erreur et met à jour tous les poids une fois.
Mise à jour (étape)
une correction des poids, après un paquet.
Époque
un passage complet sur tous les exemples d'entraînement, soit (nombre d'exemples ÷ taille de paquet) mises à jour.
Perte (loss)
mesure de l'erreur que l'entraînement cherche à faire baisser (entropie croisée).
Validation
les exemples de test (20 % du jeu), jamais utilisés pour corriger les poids : ils montrent si le réseau généralise.

Idées d'expériences