Vérification de passage : ce que tu sais déjà
Pourquoi c'est important Ce cours part d'un seul neurone, mais il avance vite. Cette courte vérification te dit si tu dois lire le rappel rapide ci-dessous avant de continuer.
Cinq questions sur les idées de base. Si tu en rates plus d'une, lis d'abord le rappel ; il prend environ 20 minutes.
Rappel rapide
Un neurone multiplie chaque entrée par un poids, additionne le tout, ajoute un biais, et fait passer le total dans une fonction d'activation. Une couche, ce sont beaucoup de neurones côte à côte, chacun avec ses propres poids. Un réseau, ce sont des couches à la suite : les sorties de chaque couche sont les entrées de la couche suivante.
Entraîner veut dire trouver des poids qui rendent la perte petite. Le gradient de la perte te dit, pour chaque poids, comment la perte change si on pousse un peu ce poids. La descente de gradient pousse chaque poids un peu vers le bas de la pente, encore et encore. La rétropropagation est la façon efficace d'obtenir tous ces gradients d'un coup, en faisant remonter les sensibilités à travers le calcul. Tu construiras chacun de ces éléments à partir de zéro dans les modules 2 à 4, donc une image approximative suffit pour l'instant.
Mots et symboles de cette leçon
- perte
- un seul nombre qui dit à quel point le modèle se trompe ; l'entraînement le rend plus petit
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.
Ce navigateur bloque les cookies pour learn.floati.life, donc les leçons que tu as terminées ici ne peuvent pas s'ouvrir dans l'ordre. Autorise les cookies pour ce site et recharge la page.