No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Playground - Tensorflow

12/28
Recursos

Aportes 25

Preguntas 1

Ordenar por:

Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Regístrate o inicia sesión para participar.

Jugando un poco lo logré así:

Esta herramienta me encanta la verdad
Para resolver la espiral se necesitarion 76 epocas, con los 6 features o propiedades y 6 capas de 8 neuronas.

Seed y coordenadas!!!

Mi solución para el ejecicio propuesto.

Hola, despues de varios intentos, este fue el mejor resultado que encontre para la clasificacion de la espiral.

Traté de que la pérdida sea la más mínima

Jugando

jugando ando

La primera

y la segunda con el mejor resultado que obtuve

EJERCICIO: Trate de lograr el modelo más simple posible para contrarrestar el overfitting. Para el primer caso se llega el mismo resultado eligiendo cualquiera de las funciones de activación salvo la lineal. La razón debe ser lo comentado por el profesor de que cualquier cantidad de operaciones lineales se puede resumir en una sola.

Para el segundo caso la tangente hiperbólica fue la que logró los mejores resultados.

Les comparto la configuración que usé para el reto 😁


Encontré una configuración que es capaz de resolver ambos problemas muy rápidamente 😄
(No sé si eso sea de utilidad por ser una configuración más versátil o si en cambio sea capacidad de cómputo desperdiciada para el problema más sencillo).

Hola utilice esta configuración para resolver el espiral

Y para el problema de circulos utilice esta:

Jugando con esta herramienta puedo entender que más neuronas y más capas no siempre es mejor, así como el impacto de la función de activación y el learning rate.

Para resolver el problema del espiral yo use 3 capas, 6 features y se necesitaron 77 epocas, pero modifique el ratio training 50%

Después de probar con todo y muchas veces, este ha sido mi mejor intento 😄

Mis resultados

Muchas capas y muchas neuronas por acá:

![](

Tratando de no tener tantas características en la entrada para reducir el costo computacional logré:

El último set de datos si fue bastante difícil:

En el caso de la esfera los tiempos de convergencia se reducen mucho utilizando el cuadrado de las entradas; siendo la función sigmoide el que utilizó la mayor cantidad de épocas (100 en promedio), mientras que las demás funciones solo 40 épocas

Para el caso de la espiral la función que mejores resultados dio fue el sigmoide, convergencia en un menor tiempo y con menor ruido.