Verificação de ponte: o que você já sabe
Por que isso importa Este curso começa com um neurônio, mas ele avança rápido. Esta verificação curta diz se você deve ler o Resumo rápido abaixo antes de continuar.
Cinco perguntas sobre as ideias básicas. Se você errar mais de uma, leia o Resumo primeiro; leva cerca de 20 minutos.
Revisão rápida
Um neurônio multiplica cada entrada por um peso, soma tudo, adiciona um viés e passa o total por uma função de ativação. Uma camada são muitos neurônios lado a lado, cada um com seus próprios pesos. Uma rede são camadas em sequência: as saídas de cada camada são as entradas da próxima camada.
Training significa encontrar pesos que deixam a perda pequena. O gradient da perda diz a você, para cada peso, como a perda muda se esse peso for movido. Gradient descent move cada peso um pouco para baixo, repetidamente. Backpropagation é a forma eficiente de obter todos esses gradientes de uma vez, passando sensibilidades para trás através do cálculo. Você vai construir cada um deles do zero nos Módulos 2 a 4, então uma visão geral é suficiente por enquanto.
Palavras e símbolos nesta lição
- loss
- número da zona dizendo o quão errado o modelo está; o treinamento o torna menor
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.