了解了后向传播算法的工作过程后，
打开TensorFlow游乐场，一睹数据训练的过程。

左图为“信息传递游戏”模拟图，右图为TensorFlow模拟的神经网络。

 

#在TensorFlow游乐场中能可视化训练数据

在界面左侧的DATA区域显示了TensorFlow游乐场提供的4个用于训练神经网络的数据集，他们分别是Circle（左上）、Exclusive（右上）、Gaussian（右下）、Spiral（右下）。在界面右侧的OUTPUT区域显示了放大后的数据集数据分布情况，从中可以看到平面被划分为坐标表示。

 

 

动手试一下

我们选择训练数据服从Gaussian（高斯）分布。从OUTPUT区域可以看出：在一个二维平面上有规律地分布着一些蓝色和黄色的点，每一个点都能看作是一个独立样本，点的颜色就是点的标签（lable）。

 

 

仅看数据，还是不够直接

打开mblock平台，进入在线创作

看到三个结构图是不是有相似之处，都包括了神经网络中“输入层”“隐含层”“输出层”三部分，功能不尽相同。

 

接下来我们一起看看如何使用mBlock训练模型

选择需要分辨的种类数，

点击学习，网页会请求获取摄像头权限，在输入层进行拍照学习。

每一类都需要拍照学习，分别完成收集特征步骤。

注意：每一类名称可以修改。

学习结束后，可以在摄像头前放置物品测试，输入层会显示物品的影像，输出层会显示识别结果。中间层会有每一类的相关度，最高的就是输出层敲定的结果。

确认学习后，点击使用模型：

验证一下训练效果吧！

想一想怎样可以提高识别的相关度（信度）。