Hook: sepuluh baris yang melatih pembaca digit
Kenapa ini penting Di Modul 3 kamu menulis setiap gradient secara manual. Jaringan asli punya puluhan tipe layer; tidak ada yang menurunkan itu secara manual setiap saat. Mesin autograd melakukannya untukmu, dan di akhir modul ini kamu akan menulis satu.
Baris pertama mengimpor engine yang akan kamu bangun (ini disimpan di luar pandangan, jadi pelajaran berikutnya tetap jadi tantangan buat kamu). Lihat sepuluh baris setelah data: mereka membangun jaringan, dan melatihnya pada angka, dan tidak ada yang menyebutkan rumus gradient. loss.backward() mengerjakan semuanya.
Tebak Kurvanya dulu: tebak rata-rata training loss setelah epoch 1 dan setelah epoch 10.
Autograd: diferensiasi otomatis. Kamu cuma tulis perhitungan forward; mesin akan mencatatnya dan menghitung setiap gradient dengan menjalankan chain rule ke belakang.
Kata dan simbol di pelajaran ini
- autograd
- gradien otomatis: kamu tulis forward pass, engine melakukan backward
- Tensor
- here: sebuah array ditambah gradiennya ditambah Tensor asalnya
- zero_grad
- reset gradien sebelum langkah berikutnya, karena backward menambahkannya
Isi my_guess, lalu jalankan. Baca sepuluh baris pelatihan dan perhatikan apa yang kurang.
Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini
Latihan ini akan segera dibuka
Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.
Browser ini memblokir cookie untuk learn.floati.life, jadi pelajaran yang sudah kamu selesaikan di sini tidak bisa dibuka berurutan. Izinkan cookie untuk situs ini dan muat ulang.