Controllo ponte: che cosa sai già
Perché è importante Questo corso parte da un neurone, ma si muove in fretta. Questo breve controllo ti dice se leggere il rapido ripasso qui sotto prima di andare avanti.
Cinque domande sulle idee di base. Se ne sbagli più di una, leggi prima il ripasso; richiede circa 20 minuti.
Ripasso rapido
Un neurone moltiplica ogni input per un peso, li somma, aggiunge un bias, e passa il totale attraverso una funzione di attivazione. Un layer è fatto di molti neuroni uno accanto all'altro, ognuno con i propri pesi. Una rete è fatta di layer in fila: gli output di ogni layer sono gli input del layer successivo.
Addestrare significa trovare pesi che rendono piccola la loss. Il gradiente della loss ti dice, per ogni peso, come cambia la loss se quel peso viene spostato di poco. La discesa del gradiente sposta ogni peso un po' in discesa, ancora e ancora. La backpropagation è il modo efficiente per ottenere tutti quei gradienti in una volta, passando le sensibilità all'indietro attraverso il calcolo. Costruirai ognuno di questi da zero nei Moduli da 2 a 4, quindi per ora basta un'idea approssimativa.
Parole e simboli di questa lezione
- loss
- un numero che dice quanto sbaglia il modello; l'addestramento lo rende più piccolo
Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione
Questo esercizio si apre presto
Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.
Questo browser blocca i cookie per learn.floati.life, quindi le lezioni che hai finito qui non si possono aprire in ordine. Consenti i cookie per questo sito e ricarica.