Model Lab
Песочница машинного обучения в реальном времени
СИМУЛЯЦИЯ В РЕАЛЬНОМ ВРЕМЕНИ
ИНТЕРАКТИВНЫЙ ПРОЦЕСС ОБУЧЕНИЯ
Научите модель видеть закономерности.
Настройте рецепт обучения, запустите симуляцию и наблюдайте, как граница принятия решений обучается в режиме реального времени.
ТЕКУЩИЙ СТАТУС
Ready to run
Веса инициализированы
Набор данных
Модель
Скорость обучения0.08
Размер пакета16
Шаг
Запустить обучение
ПРОСМОТР МОДЕЛИ В РЕАЛЬНОМ ВРЕМЕНИ
Граница принятия решений
Класс AКласс B
НАВЕДИТЕ / НАЖМИТЕ ДЛЯ ПРОВЕРКИMove over the mapx 0.00 · y 0.00
Нажмите «Запуск», чтобы начать обучение
Граница обновляется после каждого пакета32 samples
СИГНАЛ ОБУЧЕНИЯ
Потери с течением времени
началоэпохасейчас
↘
На что обратить внимание
Запустите несколько эпох, чтобы увидеть, как модель разделяет классы.
АНАТОМИЯ МОДЕЛИ
Сетевая активность
низкая активациявысокая активацияположительный весотрицательный вес
КОНСОЛЬ ЗАПУСКА
Журнал обучения
ЛАБОРАТОРИЯ ОБУЧЕНИЯ АГЕНТА
Научите агента достигать маяка.
Наблюдайте, как небольшая политика учится на вознаграждении, исследует препятствия и завершает маршрут, принимая решения по одному за раз.
СТАТУС МИССИИ
Задача
Исследование24%
Скорость выполнения
Шаг агента
Сбросить миссию
ПРОСТРАНСТВО СОСТОЯНИЙ + ПОЛИТИКА
Поле изученной навигации
ИНСПЕКТОР СОСТОЯНИЯ
изученная политика
след агента
препятствие
целевой маяк
Стрелки показывают действие с наибольшим значением для каждого состояния. Наведите курсор или нажмите на ячейку, чтобы изучить ее Q-значения.
СИГНАЛ ПОДКРЕПЛЕНИЯ
Вознаграждение по эпизодам
началоэпизодсейчас
↗
На что обратить внимание
ИНСПЕКТОР Q-ЗНАЧЕНИЙ
Выбранное состояние
↑Вверх0.00
→Вправо0.00
↓Вниз0.00
←Влево0.00
Q-значение оценивает будущую отдачу от выполнения действия в этом состоянии.