Programme Leçon 62 sur 246 · Module 4 : Ton propre moteur d'autograd
Module 4 : Ton propre moteur d'autograd

Le lecteur de chiffres, sur ton propre moteur

Pourquoi c'est important Le même réseau qu'au module 3, mais maintenant aucune formule de gradient n'apparaît dans ton code d'entraînement. Obtenir la même justesse prouve que ton moteur est juste. Linear se déverrouille dans la bibliothèque du cours après cette leçon.

La boucle d'entraînement est celle de la leçon d'accroche. Cette fois, tu l'écris toi-même.

Mots et symboles de cette leçon
Tensor
ici : un tableau plus son gradient plus les Tensors dont il vient
zero_grad
remettre les gradients à zéro avant l'étape suivante, parce que la passe arrière y ajoute
À ton tour

Écris train(X, y, epochs, lr, seed) qui renvoie un MLP([64, 64, 10]) entraîné, en n'utilisant que ton moteur (aucun gradient écrit à la main), et predict(net, X). Atteins au moins 95 % sur les 397 chiffres mis de côté.

Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon

Cet exercice s'ouvre bientôt

Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.