Temario Lección 51 de 246 · Módulo 4: Tu propio motor de autograd
Módulo 4: Tu propio motor de autograd

Para empezar: diez líneas que entrenan un lector de dígitos

Por qué importa En el Módulo 3 escribiste cada gradiente a mano. Las redes reales tienen docenas de tipos de capas; nadie los deriva a mano cada vez. Un motor de autograd lo hace por ti, y al final de este módulo habrás escrito uno.

Las primeras líneas importan el motor terminado que estás a punto de construir (se mantiene fuera de la vista, para que las próximas lecciones las resuelvas tú). Mira las diez líneas que siguen a los datos: construyen una red y la entrenan con dígitos, y en ningún sitio mencionan una fórmula de gradiente. loss.backward() los calcula todos.

Predice la curva primero: adivina la pérdida de entrenamiento media tras la época 1 y tras la época 10.

Autograd: diferenciación automática. Tú escribes solo el cálculo hacia delante; el motor lo graba y calcula cada gradiente aplicando la regla de la cadena hacia atrás.

Palabras y símbolos de esta lección
autograd
gradientes automáticos: tú escribes la pasada hacia delante, el motor hace la de hacia atrás
Tensor
aquí: un array más su gradiente más los Tensor de los que salió
zero_grad
poner a cero los gradientes antes del siguiente paso, porque backward les va sumando
Tu turno

Rellena my_guess, y luego ejecuta. Lee las diez líneas de entrenamiento y fíjate en lo que falta.

¿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.