سرفصل‌ها درس 60 از 246 · ماژول 4: موتور autograd خودتان
ماژول 4: موتور autograd خودتان

بررسی‌کننده را به سوی موتورتان بگیرید

چرا مهم است موتوری با یک قاعدهٔ اشتباه آموزش می‌دهد، کند و بد، و ممکن است هرگز نفهمید. از اینجا به بعد، هر عملیات تازه پیش از استفاده بررسی می‌شود.

بررسی‌کنندهٔ ماژول 3 شما آرایه‌های NumPy را جابه‌جا می‌کرد. اینجا data یک Tensor را درجا جابه‌جا کنید، محاسبه را دوباره بسازید و با آنچه backward در .grad گذاشته مقایسه کنید.

دستور: (1) خروجی را بسازید و یک بار backward() را فراخوانی کنید تا گرادیان‌های موتور را بگیرید. (2) برای هر ورودی و هر درایه، data را بالا و پایین ببرید، دوباره بسازید و مقدار خروجی را بخوانید. (3) بزرگ‌ترین خطای نسبی را گزارش دهید.

خلاصه هرگز به یک قاعدهٔ رو به عقب تازه اعتماد نکنید تا از یک بررسی بگذرد.

واژه‌ها و نمادهای این درس
Tensor
اینجا: یک آرایه به‌علاوهٔ گرادیانش به‌علاوهٔ Tensorهایی که از آن‌ها آمده
.grad
گرادیان زیان نهایی نسبت به این Tensor
unbroadcast
جمع زدن یک گرادیان تا شکلی که از آن کشیده شده بود
نوبت شما

engine_check(build, inputs) را بنویسید: build() یک Tensor عددی برمی‌گرداند که از Tensorهای فهرست inputs محاسبه شده. بزرگ‌ترین خطای نسبی میان گرادیان‌های موتور و گرادیان‌های جابه‌جایی را برگردانید. پیش از فراخوانی backward، grad هر ورودی را به صفرها بازنشانی کنید. آزمون پنهان سه اشکال را، هر بار یکی، در موتور می‌کارد؛ بررسی‌کنندهٔ شما باید برای هر کدام بالای 1e-3 و برای موتور درست زیر 1e-6 گزارش دهد.

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.