எடுத்துக்காட்டில் பயன்படுத்தப்படும் நரம்பியல் வலையமைப்பின் கட்டமைப்பு மூன்று அடுக்குகளைக் கொண்ட ஃபீட்ஃபார்வர்டு நியூரல் நெட்வொர்க் ஆகும்: ஒரு உள்ளீட்டு அடுக்கு, ஒரு மறைக்கப்பட்ட அடுக்கு மற்றும் ஒரு வெளியீட்டு அடுக்கு. உள்ளீட்டு அடுக்கு 784 அலகுகளைக் கொண்டுள்ளது, இது உள்ளீட்டு படத்தில் உள்ள பிக்சல்களின் எண்ணிக்கையை ஒத்துள்ளது. உள்ளீட்டு அடுக்கில் உள்ள ஒவ்வொரு அலகும் படத்தில் உள்ள பிக்சலின் தீவிர மதிப்பைக் குறிக்கிறது.
மறைக்கப்பட்ட அடுக்கு 128 அலகுகளைக் கொண்டுள்ளது, அவை உள்ளீட்டு அடுக்குடன் முழுமையாக இணைக்கப்பட்டுள்ளன. மறைக்கப்பட்ட அடுக்கில் உள்ள ஒவ்வொரு அலகும் உள்ளீட்டு அடுக்கிலிருந்து உள்ளீடுகளின் எடையுள்ள தொகையைக் கணக்கிடுகிறது மற்றும் வெளியீட்டை உருவாக்க செயல்படுத்தும் செயல்பாட்டைப் பயன்படுத்துகிறது. இந்த எடுத்துக்காட்டில், மறைக்கப்பட்ட அடுக்கில் பயன்படுத்தப்படும் செயல்படுத்தும் செயல்பாடு திருத்தப்பட்ட நேரியல் அலகு (ReLU) செயல்பாடு ஆகும். ReLU செயல்பாடு f(x) = max(0, x) என வரையறுக்கப்படுகிறது, இங்கு x என்பது அலகுக்கான உள்ளீடுகளின் எடையுள்ள தொகையாகும். ReLU செயல்பாடு நெட்வொர்க்கிற்கு நேரியல் அல்லாத தன்மையை அறிமுகப்படுத்துகிறது, இது தரவுகளில் உள்ள சிக்கலான வடிவங்கள் மற்றும் உறவுகளை அறிய அனுமதிக்கிறது.
வெளியீட்டு அடுக்கு 10 அலகுகளைக் கொண்டுள்ளது, ஒவ்வொன்றும் வகைப்பாடு சிக்கலில் சாத்தியமான வகுப்புகளில் ஒன்றைக் குறிக்கிறது. வெளியீட்டு அடுக்கில் உள்ள அலகுகள் மறைக்கப்பட்ட அடுக்கில் உள்ள அலகுகளுடன் முழுமையாக இணைக்கப்பட்டுள்ளன. மறைக்கப்பட்ட அடுக்கைப் போலவே, வெளியீட்டு அடுக்கில் உள்ள ஒவ்வொரு அலகும் மறைக்கப்பட்ட அடுக்கிலிருந்து உள்ளீடுகளின் எடையுள்ள தொகையைக் கணக்கிடுகிறது மற்றும் செயல்படுத்தும் செயல்பாட்டைப் பயன்படுத்துகிறது. இந்த எடுத்துக்காட்டில், அவுட்புட் லேயரில் பயன்படுத்தப்படும் செயல்படுத்தும் செயல்பாடு softmax செயல்பாடு ஆகும். சாஃப்ட்மேக்ஸ் செயல்பாடு உள்ளீடுகளின் எடையுள்ள தொகையை வகுப்புகளின் மீது நிகழ்தகவு விநியோகமாக மாற்றுகிறது, அங்கு நிகழ்தகவுகளின் கூட்டுத்தொகை 1 க்கு சமமாக இருக்கும். அதிக நிகழ்தகவு கொண்ட அலகு உள்ளீட்டு படத்தின் கணிக்கப்பட்ட வகுப்பைக் குறிக்கிறது.
சுருக்கமாக, எடுத்துக்காட்டில் பயன்படுத்தப்படும் நரம்பியல் நெட்வொர்க் கட்டமைப்பானது 784 அலகுகள் கொண்ட உள்ளீட்டு அடுக்கு, ReLU செயல்படுத்தும் செயல்பாட்டைப் பயன்படுத்தி 128 அலகுகள் கொண்ட ஒரு மறைக்கப்பட்ட அடுக்கு மற்றும் softmax செயல்படுத்தும் செயல்பாட்டைப் பயன்படுத்தி 10 அலகுகள் கொண்ட வெளியீட்டு அடுக்கு ஆகியவற்றைக் கொண்டுள்ளது.
தொடர்பான பிற சமீபத்திய கேள்விகள் மற்றும் பதில்கள் வகைப்பாடு செய்ய ஒரு நரம்பியல் வலையமைப்பை உருவாக்குதல்:
- TensorFlow.js இல் இயங்கும் இயந்திர கற்றல் மாதிரிகளுக்கு ஒத்திசைவற்ற கற்றல் செயல்பாட்டைப் பயன்படுத்துவது அவசியமா?
- TensorFlow.js இல் மாடல் எவ்வாறு தொகுக்கப்பட்டு பயிற்சியளிக்கப்படுகிறது, மேலும் வகைப்படுத்தப்பட்ட குறுக்கு-என்ட்ரோபி இழப்பு செயல்பாட்டின் பங்கு என்ன?
- இயந்திர கற்றல் செயல்பாட்டில் கற்றல் விகிதம் மற்றும் சகாப்தங்களின் எண்ணிக்கையின் முக்கியத்துவம் என்ன?
- TensorFlow.js இல் பயிற்சித் தரவு எவ்வாறு பயிற்சி மற்றும் சோதனைத் தொகுப்புகளாகப் பிரிக்கப்படுகிறது?
- வகைப்படுத்தல் பணிகளுக்கான நரம்பியல் வலையமைப்பை உருவாக்குவதில் TensorFlow.js இன் நோக்கம் என்ன?