Programma Les 62 van 246 · Module 4: Je eigen autograd engine
Module 4: Je eigen autograd engine

De cijferlezer, op je eigen engine

Waarom dit ertoe doet Dezelfde netwerk als Module 3, maar nu verschijnt er geen gradiëntformule in je trainingscode. Dezelfde nauwkeurigheid krijgen bewijst dat je engine klopt. Linear unlocks in de cursusbibliotheek na deze les.

De training loop is die uit de hook les. Deze keer schrijf je hem zelf.

Woorden en symbolen in deze les
Tensor
hier: een array plus zijn gradiënt plus de Tensors waaruit het kwam
zero_grad
het resetten van gradients voor de volgende step, omdat backward ze toevoegt
Jij bent aan de beurt

Schrijf train(X, y, epochs, lr, seed) die een getrainde MLP([64, 64, 10]) teruggeeft, gebruik alleen je engine (geen handgeschreven gradiënten), en predict(net, X). Bereik ten minste 95% op de 397 vastgehouden cijfers.

Een probleem ontdekt in deze les? Meld het · Vraag naar deze les

Deze oefening opent binnenkort

Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.