Apunta el comprobador a tu motor
Por qué importa Un motor con una regla mal entrenará, despacio y mal, y puede que nunca lo sepas. A partir de ahora, cada operación nueva se comprueba antes de usarla.
Tu comprobador del Módulo 3 empujaba arrays de NumPy. Aquí, empuja el data de un Tensor en su sitio, vuelve a construir el cálculo, y compara con lo que backward dejó en .grad.
La receta: (1) construye la salida y llama a backward() una vez para obtener los gradientes del motor. (2) Para cada entrada y cada elemento, empuja data hacia arriba y hacia abajo, vuelve a construir, y lee el valor de la salida. (3) Da el mayor error relativo.
Resumen Nunca te fíes de una regla hacia atrás nueva hasta que haya pasado una comprobación.
Palabras y símbolos de esta lección
- Tensor
- aquí: un array más su gradiente más los Tensor de los que salió
- .grad
- el gradiente de la pérdida final respecto a este Tensor
- unbroadcast
- sumar un gradiente hasta devolverlo a la forma desde la que se estiró
Escribe engine_check(build, inputs): build() devuelve un Tensor escalar calculado a partir de los Tensor de la lista inputs. Devuelve el mayor error relativo entre los gradientes del motor y los de los empujones. Pon a cero el grad de cada entrada antes de llamar a backward. La prueba oculta planta tres errores en el motor, de uno en uno; tu comprobador debe dar más de 1e-3 con cada uno, y menos de 1e-6 con el motor correcto.
¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección
Este ejercicio se abre pronto
Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.