Überprüfung der Brücke: was du bereits weißt
Warum das wichtig ist Dieser Kurs beginnt mit einem Neuron, aber er bewegt sich schnell voran. Dieser kurze Check sagt dir, ob du die kurze Zusammenfassung unten lesen sollst, bevor du weitermachst.
Fünf Fragen zu den Grundideen. Wenn du mehr als eine verpasst, lies zuerst die Zusammenfassung; es dauert etwa 20 Minuten.
Kurze Zusammenfassung
A Neuron multipliziert jeden Input mit einem Gewicht, addiert sie, fügt einen Bias hinzu und leitet die Summe durch eine Aktivierungsfunktion. A Layer sind viele Neuronen nebeneinander, jedes mit seinen eigenen Gewichten. A Network sind Layer in einer Reihe: die Outputs jeder Layer sind die Inputs der nächsten Layer.
Training bedeutet, Gewichte zu finden, die den loss klein machen. Der gradient des loss sagt dir für jedes Gewicht, wie sich der loss ändert, wenn dieses Gewicht leicht bewegt wird. Gradient descent bewegt jedes Gewicht ein kleines Stück bergab, immer und immer wieder. Backpropagation ist der effiziente Weg, um all diese gradienten auf einmal zu erhalten, indem Sensitivitäten rückwärts durch die Berechnung weitergegeben werden. Du wirst jedes einzelne davon in den Modulen 2 bis 4 von Grund auf bauen, also reicht ein grobes Bild für jetzt.
Wörter und Symbole in dieser Lektion
- loss
- Zone Nummer, die sagt, wie falsch das Modell ist; Training macht sie kleiner
Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion
Diese Übung öffnet bald
Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.
Dieser Browser blockiert Cookies für learn.floati.life, daher können hier beendigte Lektionen nicht in der richtigen Reihenfolge geöffnet werden. Erlaube Cookies für diese Seite und lade sie neu.