Müfredat 246 dersinden 64. · Modül 5: Optimizasyon
Modül 5: Optimizasyon

Üzerinde yürüyebileceğin kayıp yüzeyleri

Neden önemli Her optimizasyoncu, göremediğin bir yüzeyde yokuş aşağı yürümenin farklı bir yoludur. Önce basit birinde yürü.

Kaybı bir arazi gibi düşün: iki ağırlık haritadaki konumundur, kayıp ise yüksekliktir. Eğitim yokuş aşağı yürümektir. Gradyan yokuş yukarıyı gösterir, bu yüzden her adım ters yöne gider: position = position - lr * gradient.

Küçük sayılar

f(x, y) = x squared + y squared kâsesinde (3, 4)'teki gradyan (6, 8)'dir. lr 0.1 ile adım (3 - 0.6, 4 - 0.8) = (2.4, 3.2)'ye gider. Her adım dibe olan uzaklığın %80'ini korur, bu yüzden 20 adımdan sonra başladığın yerin yaklaşık %1'indesin.

Öğrenme oranı: gradyana göre ne kadar uzağa adım atılacağı. Çok küçüğü sürünür; çok büyüğü aşar.

Özet Gradyana karşı adım at; öğrenme oranı adım boyunu belirler.

Senin sıran

Ziyaret edilen konumların (başlangıç dahil) listesini NumPy dizileri olarak döndüren descend(grad, start, lr, steps) yaz. Sonra my_lr değerini, dersteki kâsede (3, 4)'ten başlayarak en fazla 15 adımda dibe 0.01 yakınlığa gelecek şekilde seç.

Bu derste bir sorun mu fark ettin? Bildir · Bu ders hakkında soru sor

Bu alıştırma yakında açılacak

Bu dersi bitirince bu ders açılacak. Kursun tamamı ücretsiz, hesap gerekmiyor ve bu dersi hemen şimdi okuyabilirsin.