最新消息:XAMPP默认安装之后是很不安全的,我们只需要点击左方菜单的 "安全"选项,按照向导操作即可完成安全设置。

[筆記]網頁-神經網路網頁可視化

XAMPP下载 admin 465浏览 0评论

前言
之前介紹的神經網路這篇參考文獻,裡面他做出一個動態更新的神經網路訓練,覺得相當有趣,因此嘗試利用canvas來實現動態更新的效果。
這次介紹主要都是座標繪製也無用到特別公式,所以文字部分比較少幾乎都是程式碼。

[筆記]深度學習(Deep Learning)-神經網路學習

繪製
整體繪製
神經網路。
二維座標系。
運用方法
線條。
箭頭。
圓形。
文字。
流程
神經網路資料。
繪製函數。
繪製神經網路。
繪製二維坐標系。
更新繪製。
取得神經網路資料(Javacript)
繼上次神經網路學習轉Javascript版本,如下。

// network.js

const Network = function () {
this.TAG = “Network”;
};

Network.prototype = {

sigmoid: function (x) {
return 1.0 / (1.0 + Math.exp(-x));
},

fun: function (x, w, b) {
return x * w + b;
},

loss: function (x, w, b) {
const a = this.fun(x, w, b);
const y = this.sigmoid(a);

return 0.5 * (y * y);
},

getGrad: function (x, w, b) {
const h = 1e-2;
let grad = [];
let temp = 0.0;
let fun1 = 0.0;
let fun2 = 0.0;

temp = w;
w = temp + h;
fun1 = this.loss(x, w, b);
w = temp – h;
fun2 = this.loss(x, w, b);
w = temp;
grad.dW = (fun1 – fun2) / (2.0 * h);

temp = b;
b = temp + h;
fun1 = this.loss(x, w, b);
b = temp – h;
fun2 = this.loss(x, w, b);
b = temp;
grad.db = (fun1 – fun2) / (2.0 * h);
return grad;
},

tran: function (x, w, b) {
const lr = 0.15;
const times = 300;

let history = [];
for (let index = 0; index < 300; index++) {
let a = this.fun(x, w, b);
let y = this.sigmoid(a);
let data = { y: y, w: w, b: b };
history.push(data);
let grad = this.getGrad(x, w, b);
w -= lr * grad.dW;
b -= lr * grad.db;
}

return history
},
};
繪製函數(Javacript)
這次選擇把函數拉出來處理,主要有繪製線條.圓形.箭頭,canvas原函數這篇。
註:箭頭45度所以直接加就好不用計算sin和cos。(45度性質1:1:sqrt(2))

// draw.js

// 繪製箭頭
// drawArrow params:
// ctx: 繪製圖塊
// x: x位置
// y: y位置
// len: 繪製長度
// type: 繪製方向
function drawArrow(ctx, x, y, len, type) {
ctx.beginPath();

switch (type) {
case ‘up’:
ctx.moveTo(x, y);
ctx.lineTo(x + len, y + len);
ctx.moveTo(x, y);
ctx.lineTo(x – len, y + len);
break;
case ‘down’:
ctx.moveTo(x, y);
ctx.lineTo(x + len, y – len);
ctx.moveTo(x, y);
ctx.lineTo(x – len, y – len);
break;
case ‘left’:
ctx.moveTo(x, y);
ctx.lineTo(x + len, y + len);
ctx.moveTo(x, y);
ctx.lineTo(x + len, y – len);
break;
case ‘right’:
ctx.moveTo(x, y);
ctx.lineTo(x – len, y + len);
ctx.moveTo(x, y);
ctx.lineTo(x – len, y – len);
break;
}

ctx.closePath();
ctx.stroke();
}

// 繪製線條
// drawLine params:
// ctx: 繪製圖塊
// sX: x起始位置
// sY: y起始位置
// eX: x終點位置
// eY: y終點位置
// color: 繪製顏色
function drawLine(ctx, sX, sY, eX, eY, color) {

ctx.beginPath();

ctx.moveTo(sX, sY);
ctx.lineTo(eX, eY);

ctx.closePath();
ctx.stroke();
ctx.strokeStyle = color;
}

// 繪製圓形
// drawRound params:
// ctx: 繪製圖塊
// x: 原心x位置
// y: 原心y位置
// radius: 半徑大小
function drawRound(ctx, x, y, radius) {
ctx.beginPath();
ctx.arc(x, y, radius, 0, Math.PI * 2, true);
ctx.closePath();
ctx.stroke();
}
繪製神經網路.坐標系(Javacript)
神經網路繪製流程
1.輸入的文字。
2.線條 + 箭頭。
3.圓形。
4.線條 + 箭頭。
6.輸出的文字。

坐標系繪製流程
1.y軸線條 + 箭頭。
2.x軸線條 + 箭頭。
3.x.y文字。

_startX和_startY為繪圖區塊起始位置,_endX和_endY為終點位置。
神經網路的位置是依照_startX和_start來去做調整。
神經網路的長度為100,圓形依據_startX和_startY調整。
神經網路要多修正y軸,使圓形和文字較對齊點。
// network-view.js

const _startX = 10;
const _startY = 100;
const _endX = 350 + _startX;
const _endY = 350 + _startY;

// 繪製坐標系.神經網路
function init() {
const canvas = document.getElementById(‘stockGraph’);
const ctx = canvas.getContext(‘2d’);

netCanvasInit(ctx);

ctx.fillText(‘y’, _startX, _startY – 10);
drawLine(ctx, _startX, _startY, _startX, _endY, ‘#000’);
ctx.fillText(‘x’, _endX + 10, _endY);
drawLine(ctx, _startX, _endY, _endX, _endY, ‘#000’);

drawArrow(ctx, _startX, _startY, 8, ‘up’);
drawArrow(ctx, _endX, _endY, 8, ‘right’);
}

// 繪製神經網路
// netCanvasInit params:
// ctx: 繪製圖塊
function netCanvasInit(ctx) {
const x = _startX / 2;
const y = _startY / 2;
const radius = y / 2.4;
const fixY = (radius * 2 + y) / 2;
const fixX = x + 2 * radius;

ctx.font = ’20px serif’;

ctx.fillText(‘Input:’, x, y);
ctx.fillText(‘1.0’, x + 50, y);
drawLine(ctx, x + 100, fixY, x + 200, fixY, ‘#000’);
drawArrow(ctx, x + 200, fixY, 8, ‘right’);

ctx.fillText(‘W:’, x + 115, y * 1.5);
ctx.fillText(‘0’, x + 145, y * 1.5);

drawRound(ctx, fixX + 200 – radius, fixY, radius);

drawLine(ctx, fixX + 200, fixY, fixX + 300, fixY, ‘#000’);
drawArrow(ctx, fixX + 300, fixY, 8, ‘right’);

ctx.fillText(‘b:’, fixX + 220, y * 1.5);
ctx.fillText(‘0’, fixX + 240, y * 1.5);

ctx.fillText(‘Output:’, fixX + 310, y);
ctx.fillText(‘0’, fixX + 380, y);
}
更新神經網路.坐標系(Javacript)
更新主要運用文章介紹的requestAnimationFrame定時更新。

主要流程
1.檢查是否在運行中.輸入資料。
2.添加線條對應的顏色圖示。
3.取得神經網路資料。
4.繪製神經網路訓練300次的坐標系(x = 次數,y = 訓練結果)。
5.繪製神經網路的w和b的變化。

// network-view.js
let _drawRun = false;
let _event = null;

function run() {
// 檢查.初始化參數
if (_drawRun) {
return;
}

const params = {
w: parseFloat(document.getElementById(‘text_w’).value),
b: parseFloat(document.getElementById(‘text_b’).value),
color: document.getElementById(‘text_color’).value
};

const msg = checkMSG(params);

if (msg != “Y”) {
alert(msg);
return;
}

// 線條顏色標示
addMark(params);

// 初始化資料
let network = {};
network.__proto__ = Network.prototype;
Network.call(network);

const datas = {
data: network.tran(1.0, params.w, params.b),
index: 0,
lastY: _startY + 10
};

// 繪圖
const canvas = document.getElementById(‘stockGraph’);
const ctx = canvas.getContext(‘2d’);

_drawRun = true;
_event = window.requestAnimationFrame(function () { draw(ctx, params.color, datas) });
}

// 檢查 w.b.color
// checkMSG params:
// params: 相關資料
function checkMSG(params) {
if (isNaN(params.w)) {
return “w 格式錯誤”;
}

if (isNaN(params.b)) {
return “b 格式錯誤”;
}

for (let index = 1; index < params.color.length; index++) {
if (params.color[index] > ‘f’) {
return “color 格式錯誤”;
}
}

return “Y”;
}

// 繪製二維和神經網路
// draw params:
// ctx: 繪製圖塊
// color: 繪製顏色
// datas: 神經網路資料
function draw(ctx, color, datas) {
if (datas.index >= datas.data.length) {
_drawRun = false;
window.cancelAnimationFrame(_event);
return;
}

const nowY = (_endY – _startY) * (1 – datas.data[datas.index].y) + _startY + 10;

drawLine(ctx, _startX + datas.index, datas.lastY, _startX + datas.index + 1, nowY, color);
updateNet(ctx, datas.data[datas.index]);

datas.lastY = nowY;
datas.index++;
_event = window.requestAnimationFrame(function () { draw(ctx, color, datas) });
}

// 繪製神經網路目前參數
// updateNet params:
// ctx: 繪製圖塊
// data: 神經網路目前資料
function updateNet(ctx, data) {
const x = _startX / 2;
const y = _startY / 2;
const offset = 20;
const radius = y / 2.4;
const fixY = y * 1.5;
const fixX = x + 2 * radius;

ctx.clearRect(x + 145, fixY – offset, 50, offset * 2);
ctx.fillText(data.w.toFixed(2), x + 145, y * 1.5);

ctx.clearRect(fixX + 240, fixY – 20, 50, offset * 2);
ctx.fillText(data.b.toFixed(2), fixX + 240, fixY);

ctx.clearRect(fixX + 380, y – 20, 50, offset * 2);
ctx.fillText(data.y.toFixed(2), fixX + 380, y);
}

// 繪製線條對應的圖示
// addMark params:
// params: 神經網路輸入資料
function addMark(params) {
const html = “<li><div style=’background:” + params.color + “‘></div> w:” + params.w.toFixed(2) + “, b:” + params.b.toFixed(2) + “</li>”;

document.getElementById(‘mark_list’).innerHTML += html;
randomData();
}

// 更換隨機輸入資料
function randomData() {
document.getElementById(‘text_color’).value = getRandomColor();
document.getElementById(‘text_w’).value = (Math.random() * 2).toFixed(2);
document.getElementById(‘text_b’).value = (Math.random() * 2).toFixed(2);
colorChange();
}

// 取得隨機顏色
function getRandomColor() {
return “#” + Math.floor(Math.random() * 0xffffff).toString(16);
}

// 更換區塊顏色
function colorChange() {
const color = document.getElementById(‘text_color’).value;
document.getElementById(‘color_div’).style.background = color;
}
Css
/* index.css */
body {
text-align: center;
}

.btn-style1 {
border-radius: 5px;
background: #5fc0fb;
border: #5fc0fb 1px solid;
color: #fff;
cursor: pointer;
padding: 5px;
}

.btn-style1:hover {
background: #21abff;
}

.btn-style1:focus {
outline: none;
border-color: #21abff;
box-shadow: 0 0 5px #21abff;
}

.text-style1 {
border-radius: 5px;
padding: 5px;
border: solid 1px #bababa;
vertical-align: middle;
}

.text-style1:focus {
outline: none;
border-color: #5eb6ff;
box-shadow: 0 0 5px #5eb6ff;
}
#mark_list {
display: inline-block;
width: 150px;
margin: 0;
}

#mark_list > li {
list-style-type: none;
}

#mark_list > li > div {
width: 10px;
height: 10px;
background: #2894ff;
display: inline-block;
vertical-align: middle;
}
Html
<!DOCTYPE html>
<html xmlns=”http://www.w3.org/1999/xhtml”>
<head>
<meta http-equiv=”Content-Type” content=”text/html; charset=utf-8″ />
<title></title>
<script src=”network.js”></script>
<script src=”draw.js”></script>
<script src=”network-view.js”></script>
<link href=”index.css” rel=”stylesheet” />
</head>
<body onload=”init();”>

<div style=”padding:10px;”>
<ul id=”mark_list”>
</ul>
<canvas id=”stockGraph” width=”600px” height=”460px”></canvas>
</div>
<div>
<label>w:</label>
<input type=”text” id=”text_w” class=”text-style1″ value=”2″ ” />

<label>b:</label>
<input type=”text” id=”text_b” class=”text-style1″ value=”2″ ” />

<input type=”text” id=”text_color” class=”text-style1″ value=”#2894ff” onchange=”colorChange();” oninput=”colorChange();” />
<div id=”color_div” style=”width:30px; height:30px; background:#2894ff; display:inline-block; vertical-align: middle;”></div>

<input type=”button” class=”btn-style1″ value=”Run” onclick=”run();” />
</div>

</body>
</html>

QQ截图20180906144204

結論

用這樣一個方式可以讓人看到更新過程,這比較適合用來基礎教學,因為若權重變為二維陣列神經網路圖的部分就要繪製更多,主要是觀看也不方便,但我想如果剛學神經網路看到這個動態圖也會比較有興趣繼續學習下去。

參考文獻

[1]Canvas函數。檢自https://developer.mozilla.org/zh-TW/docs/Web/API/Canvas_API/Tutorial (2018.09.01)。

转载请注明:XAMPP中文组官网 » [筆記]網頁-神經網路網頁可視化

您必须 登录 才能发表评论!