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.
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.
Bu tarayıcı learn.floati.life için çerezleri engelliyor, bu yüzden burada bitirdiğin dersler sırasıyla açılamıyor. Bu site için çerezlere izin ver ve sayfayı yenile.