تحقق من الجسر: ما تعرفه بالفعل
لماذا هذا مهم يبدأ هذا المسار من عصبون واحد، لكنه ينتقل بسرعة. يخبرك هذا الفحص القصير ما إذا كان عليك قراءة المراجعة السريعة أدناه قبل المتابعة.
خمسة أسئلة حول الأفكار الأساسية. إذا أخطأت في أكثر من سؤال واحد، اقرأ المراجعة أولا؛ تستغرق حوالي 20 دقيقة.
مراجعة سريعة
A neuron يضرب كل مدخل في وزن، ثم يجمعهم، ويضيف انحيازاً، ويمرر المجموع عبر activation function. A layer هي العديد من neurons جنباً إلى جنب، لكل منها أوزانها الخاصة. A network هي طبقات في صف: مخرجات كل layer هي مدخلات الطبقة التالية.
تعنيTraining إيجاد الأوزان التي تجعل الخسارة صغيرة. يخبرك gradient الخاص بالخسارة، لكل وزن، كيف تتغير الخسارة إذا تم تحريك ذلك الوزن قليلاً. يقوم Gradient descent بتحريك كل وزن قليلاً نحو الأسفل، مراراً وتكراراً. Backpropagation هي الطريقة الفعالة للحصول على كل تلك التدرجات دفعة واحدة، عن طريق تمرير الحساسيات إلى الوراء عبر الحساب. ستقوم ببناء كل واحدة من هذه من الصفر في Modules 2 to 4، لذا فإن صورة تقريبية كافية حالياً.
الكلمات والرموز في هذا الدرس
- loss
- رقم المنطقة الذي يوضح مدى خطأ النموذج؛ التدريب يجعله أصغر
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.