शुरुआत: दस lines जो एक अंक पाठक train करती हैं
यह क्यों मायने रखता है Module 3 में आपने हर gradient हाथ से लिखा। असली networks में दर्जनों layer प्रकार होते हैं; कोई उन्हें हर बार हाथ से नहीं निकालता। एक autograd engine यह आपके लिए करता है, और इस module के अंत तक आप एक लिख चुके होंगे।
पहली lines वह तैयार engine import करती हैं जिसे आप बनाने वाले हैं (वह नज़र से बाहर रखा है, ताकि आने वाले पाठ आपके हल करने के लिए रहें)। data के बाद की दस lines देखें: वे एक network बनाती हैं, और उसे अंकों पर train करती हैं, और कहीं भी किसी gradient सूत्र का ज़िक्र नहीं करतीं। loss.backward() उन सबको निकालता है।
पहले Call the Curve: epoch 1 के बाद और epoch 10 के बाद औसत training loss का अनुमान लगाएँ।
Autograd: automatic differentiation। आप बस forward गणना लिखते हैं; engine उसे दर्ज करता है और chain rule पीछे की ओर चलाकर हर gradient निकालता है।
इस पाठ के शब्द और चिह्न
- autograd
- स्वचालित gradients: आप forward pass लिखते हैं, engine backward करता है
- Tensor
- यहाँ: एक array, उसका gradient, और वे Tensors जिनसे वह आया
- zero_grad
- अगले step से पहले gradients reset करना, क्योंकि backward उनमें जोड़ता है
my_guess भरें, फिर चलाएँ। दस training lines पढ़ें और ध्यान दें कि क्या ग़ायब है।
इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें
यह अभ्यास जल्द खुलेगा
इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।
यह ब्राउज़र learn.floati.life के लिए कुकी रोक रहा है, इसलिए यहाँ पूरे किए गए पाठ क्रम से नहीं खुल सकते। इस साइट के लिए कुकी की अनुमति दें और फिर से लोड करें।