類神經網路初始化

這項練習會再次使用 XOR 資料，但考量的是重複性 訓練類神經網路，以及初始化的重要性。

工作 1：按照指定 4 或 5 次的時間執行模型。每次試用前 請按下 [重設網路] 按鈕，取得新的隨機初始化。 ([重設網路] 按鈕是位於 )。讓每次測試執行至少 500 步 確保收斂性每個模型輸出內容的交集方式為何？ 這項說明說明在非凸顯狀態中扮演的角色 如何進行最佳化？

工作 2：試著加入圖層，讓模型稍微複雜 以及一些額外節點重複執行工作 1 的測試。這是否 是否會進一步提升結果的穩定性？

(答案會顯示在運動正下方)。

---

---

按一下加號圖示即可查看工作 1 的答案。

每次執行作業時，這個學到的模型會有不同形狀。對談 測試損失率從最低到最高分成將近 2 倍。

按一下加號圖示即可查看工作 2 的答案。

新增層和額外節點會產生更多可重複的結果。 每次執行時，產生的模型看起來大致相同。此外 從收斂的測試損失顯示每次跑步之間的變異數較少。