Académique Documents
Professionnel Documents
Culture Documents
TP - IA Et ML Groupe 8
TP - IA Et ML Groupe 8
19.25 - 3
THÈME : INITIATION AUX NEURAL
NETWORKS
= 16.25 GROUPE N °- 8 :
Enseignant :
Page 1 sur 8
INTRODUCTION
https://www.tensorflow.org/resources/models-datas
ets?hl=fr
https://www.tensorflow.org/lite/microcontrollers
Page 2 sur 8
A. TRAVAIL A REALISER
I. DECOUVERTE DE L’OUTIL
TensorNow Playground est un outil qui permet de comprendre comment marche le Deep Learning
sans coder et sans te prendre la tête avec la théorie. En effet cet outil te permet de facilement manipuler
des réseaux de neurones et de visualiser son évolution en temps réel, sans avoir à taper une seule ligne
de code
1. Il est question pour nous ici de se rendre sur https://playground.tensorflow.org pour
comprendre ce que l’interface permet de faire et de pouvoir manipuler des réseaux de
neurones simples de manière graphique, sans toutefois écrire une seule ligne de code.
2. Quel type de réseaux de neurones cet outil permet -il de manipuler ?
Cet outil permet de manipuler les perceptrons multicouches
3. Repérez ou sont les hyperparamètres que nous avons vu en cours : nombre de couches,
Nombre de neurones par couche, fonction d’activation, type de problème à traiter ?
Il est vrai que l’interface de notre site de travail présente certains hyperparamètres dis
<<cachés >>, qui dans cette section ne nous serons pas utiles, nous présentons ci-dessous les
hyperparamètres par défaut :
Le nombre de couche : deux couches ;
Le nombres de neurone par couche : ici la couche numéro un (1) présente quatre (4)
neurones et la couche numéro deux, deux neurones ;
La fonction d’activation : Tanh (qui représente la fonction tangente hyperbolique) ;
Type de problème à traiter : c’est un problème de classification.
II. MANIPULATION
B. TRAVAIL A FAIRE
1. Choisir le jeu de données en spirale, et essayez d’obtenir les meilleurs résultats possibles en
Jouant sur la différents hyperparamètres.
Page 4 sur 8
Figure 3: Jeu de données en spirale
Notre réseau pour ce jeu de données en spirale est constitué de six couches, dont nous avons
respectivement : 4, 5, 4, 8, 2, 4 pour la couche 1, 2, 3, 4,5, 6. le type de problème choisi ici est la
classification, et la fonction d’activation est Tanh. Et qui i prend toute les Features, sauf sin(X1)
(comme le montre la figure 3)
Nous remarquons aussi l’évolution des poids sur les couches de gauche par rapport à celles de droite,
l’apprentissage est vraiment beaucoup plus long. Il sera même sans doute très instable dans la mesure
où parfois il aura stagnation (plateaux) puis reprise, etc. Si vous avez mis plus de 3 couches cachées
Page 5 sur 8
Figure 4: Jeu de données en Cercle
Page 6 sur 8
CONCLUSION
Le terrain de jeu TensorFlow illustre une manipulation directe, approche pour comprendre les
réseaux de neurones. Compte tenu de l'importance de l'intuition et de l'expérimentation dans le
domaine de la l'apprentissage, la visualisation est conçue pour faciliter, avoir une idée pratique du
fonctionnement de ces systèmes sans aucun codage. Ainsi cet outil est avant tout un outil ludique
mais qui permet vraiment de palper l’importance des grands leviers de réglages d’un réseau de
neurones. Donc nécessaire et utile de le recommander aux personnes souhaitant se lancer dans cette
aventure du Deep Learning afin qu’ils puissent tester et ‘’jouer’’ avec ce simulateur.
Page 7 sur 8
REFERENCES
1. https://playground.tensorflow.org/
2. «Wikipedia,» [En ligne]. Available: http://www.wikipedia.fr.
3. https://apprendre-le-deep-learning.com/tensorflow-playground-deep-learning-sans-coder/
Page 8 sur 8