브라우저에서 학습
학습 실습실
데이터셋을 고르고, 모델과 학습 설정을 정한 뒤 학습 데이터 전체로 학습하세요. 테스트 지표는 에포크가 끝날 때마다 테스트 데이터 전체로 계산합니다.
이 페이지에서 실제 데이터셋의 학습 데이터 전체로 TypeNN 모델을 학습합니다. MNIST, Fashion-MNIST, IMDB, Reuters, 캘리포니아 주택 가격은 브라우저가 Keras 데이터셋 저장소에서 직접 내려받습니다. CIFAR-10과 CIFAR-100은 원본 서버가 다른 출처의 읽기를 허용하지 않아 data.typeshade.dev에 사본을 둡니다. 각 카드에 출처와 라이선스를 표시합니다.
1. 데이터셋
2. 모델과 학습
3. 실행
커널 그래프
그래프는 TypeNN이 read 한 번을 실행하는 방식을 보여 줍니다. 상자 하나는 Tensor 하나이고, 그룹 하나는 WebGPU에서 디스패치 한 번으로 실행하는 호출 묶음입니다. 융합된 그룹은 디스패치 한 번입니다. 디스패치는 GPU 호출 한 번입니다. read 실행 방식 (GitHub) ↗
버튼을 누르면 read의 그래프를 그립니다.
4. 결과
끝난 실행이 아직 없습니다.
5. 모델 실행해 보기
먼저 모델을 실행하세요. 그러면 여기서 모델을 시험할 수 있습니다.
실행 대상: 이 사이트에 포함된 TypeNN 빌드이며, 선택한 계층에서 실행합니다. 단계마다 배치 하나로 옵티마이저를 한 번 갱신합니다.
이 페이지의 시간은 이 브라우저에서 잰 실제 경과 시간입니다. 소프트웨어 렌더러(SwiftShader) 결과는 물리 GPU 벤치마크가 아닙니다.