قلاب: ده خطی که یک خوانندهٔ رقم را آموزش میدهند
چرا مهم است در ماژول 3 هر گرادیان را با دست نوشتید. شبکههای واقعی دهها نوع لایه دارند؛ هیچکس هر بار آنها را با دست به دست نمیآورد. یک موتور autograd این کار را برایتان انجام میدهد و تا پایان این ماژول یکی نوشتهاید.
خطهای اول موتور تمامشدهای را که در آستانهٔ ساختنش هستید وارد میکنند (از دید پنهان نگه داشته شده تا درسهای پیش رو برای حل کردن مال شما بمانند). به ده خط پس از داده نگاه کنید: شبکهای میسازند و آن را روی رقمها آموزش میدهند و هیچ جا به یک فرمول گرادیان اشاره نمیکنند. loss.backward() همهٔ آنها را حساب میکند.
اول منحنی را پیشبینی کنید: میانگین زیان آموزش را پس از دورهٔ 1 و پس از دورهٔ 10 حدس بزنید.
Autograd: مشتقگیری خودکار. شما فقط محاسبهٔ رو به جلو را مینویسید؛ موتور آن را ثبت میکند و هر گرادیان را با اجرای قاعدهٔ زنجیرهای رو به عقب محاسبه میکند.
واژهها و نمادهای این درس
- autograd
- گرادیانهای خودکار: شما گذر رو به جلو را مینویسید، موتور گذر رو به عقب را انجام میدهد
- Tensor
- اینجا: یک آرایه بهعلاوهٔ گرادیانش بهعلاوهٔ Tensorهایی که از آنها آمده
- zero_grad
- بازنشانی گرادیانها پیش از گام بعد، چون گذر رو به عقب به آنها اضافه میکند
my_guess را پر کنید، سپس اجرا کنید. ده خط آموزش را بخوانید و به آنچه غایب است توجه کنید.
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.
این مرورگر کوکیهای learn.floati.life را مسدود میکند، پس درسهایی که اینجا تمام کردید نمیتوانند به ترتیب باز شوند. کوکیها را برای این سایت مجاز کنید و صفحه را دوباره بارگذاری کنید.