Häviö maisemana, jota laskeudutaan
Hahmottakaa virhe kukkuloina ja laaksoina
Häviö maisemana, jota laskeudutaan on ilmainen Deep Learning Academy-oppitunti CoddyKitissä. Tämä on oppitunti 1/4. Voit lukea koko oppitunnin alta ilmaiseksi ja harjoitella sen jälkeen käytännössä selaimessa sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla. Oppitunti kuuluu Deep Learning Academy-oppimispolkuun, ja edistymisesi synkronoituu verkon ja CoddyKit-sovelluksen välillä. Deep Learning Academy-kurssilla on yhteensä 4 oppituntia.
Mitä häviö mittaa
Mallinne loss on yksi luku, joka kertoo, kuinka vääriä sen ennusteet ovat. Pienempi häviö tarkoittaa parempia ennusteita. Koulutuksessa pyritään yksinkertaisesti pienentämään sitä. 📉
Häviö riippuu painoista
Sama data tuottaa erilaisen häviön painojen weights mukaan. Kun painoa muutetaan, häviö kasvaa tai pienenee. Häviö on siis pohjimmiltaan painojen funktio.
loss = compute_loss(weights, data)Kuvitelkaa maisema
Ajatelkaa jokaista painojen asetusta kumpuilevan maiseman pisteenä, jossa kyseisen pisteen korkeus on häviö. Koulutus tarkoittaa kulkemista alamäkeen kohti matalampaa maastoa.
Laakso on tavoite
Tämän maiseman alin kohta on minimi: painojen asetus, jolla mallinne ennustaa parhaiten. Tavoitteenanne on päästä laakson pohjalle.
Yksi paino, yksinkertainen käyrä
Kun painoja on yksi, maisema on pelkkä kaksiulotteinen käyrä. Voitte piirtää häviön painon funktiona ja nähdä kohdan, jossa häviö on pienimmillään.
def loss(w):
return (w - 3) ** 2Kaksi painoa, pinta
Kun lisäätte toisen painon, käyrä muuttuu kolmiulotteiseksi pinnaksi, jossa on kukkuloita ja laaksoja. Oikeissa malleissa on miljoonia painoja, joten maisema sijaitsee miljoonissa dimensioissa.
Ette voi nähdä kaikkea
Korkeissa dimensioissa koko maisemaa ei voi koskaan nähdä kerralla. Voitte tuntea vain suoraan jalkojenne alla olevan kaltevuuden ja ottaa askeleen sen mukaisesti.
Jyrkkä ja tasainen maasto
Jyrkkä kaltevuus tarkoittaa, että häviö muuttuu tässä nopeasti, joten pieni askel auttaa paljon. Tasainen maasto tarkoittaa, että olette lähellä laaksoa tai tasannetta ja eteneminen hidastuu.
Kaikki laaksot eivät ole parhaita
Maisemassa voi olla monia painanteita. Paikallinen minimi on pieni laakso, joka vangitsee teidät syvimmän laakson yläpuolelle. Syvät neuroverkot oppivat silti yleensä hyvin.
Laskeutuminen maisemassa
Koko koulutusalgoritmia kutsutaan syystä nimellä gradient descent: otatte toistuvasti askeleita alamäkeen tässä häviömaisemassa, kunnes asetutte lähelle pohjaa.
Miksi vertauskuva auttaa
Kun ajattelette häviötä maastona, koulutus muuttuu intuitiiviseksi: missä olen, mihin suuntaan on alamäki ja kuinka suuren askeleen otan? Kaikki muut ideat rakentuvat tämän mielikuvan varaan.
Pikatarkistus
Tarkistetaan maisemaa koskeva mielikuva.
Kertaus
Häviö on painoista riippuva luku, joten se muodostaa maiseman, jossa on kukkuloita ja laaksoja. Koulutus tarkoittaa kulkemista alamäkeen kohti pienintä löydettävissä olevaa häviötä. 🏔️
Opi Python tekoälytuutorin avulla — ilmaiseksi
Kirjoita ja suorita oikeaa koodia selaimessa, saa välitöntä apua tekoälytuutorilta ympäri vuorokauden ja jatka siitä, mihin jäit, verkossa tai sovelluksessa.
- Kurssit
- 30
- Oppitunnit
- 120
Usein kysytyt kysymykset
Onko oppitunti ”Häviö maisemana, jota laskeudutaan” ilmainen?
Kyllä – oppitunnin ”Häviö maisemana, jota laskeudutaan” koko tekstin voi lukea täällä verkossa ilmaiseksi. Jos haluat harjoitella interaktiivisesti sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla sekä avata koko Deep Learning Academy-kurssin, päivitä CoddyKit PROhon. Deep Learning Academy-kurssilla on yhteensä 4 oppituntia.
Mitä opin oppitunnilla ”Häviö maisemana, jota laskeudutaan”?
Hahmottakaa virhe kukkuloina ja laaksoina Harjoittelet Deep Learning Academy-aihetta koodilla, jonka suoritat suoraan selaimessa. Ympäri vuorokauden käytettävissä oleva tekoälytuutori vastaa kysymyksiisi oppitunnin aikana.
Tarvitsenko kokemusta aloittaakseni Deep Learning Academy-opiskelun?
Aiempi kokemus ei ole tarpeen. CoddyKitin Deep Learning Academy-oppimispolku sopii vasta-alkajista edistyneisiin, joten voit aloittaa tästä tai alusta ja edetä omaan tahtiisi. Tämä on oppitunti 1/4.
Kuinka kauan ”Häviö maisemana, jota laskeudutaan”-oppitunnin suorittaminen kestää?
Useimmat CoddyKitin oppitunnit kestävät noin 5–10 minuuttia. Jokainen oppitunti on lyhyt ja interaktiivinen, joten edistyt tasaisesti ja voit jatkaa siitä, mihin jäit – sekä verkossa että sovelluksessa.
Voinko kirjoittaa ja suorittaa koodia tällä Deep Learning Academy-oppitunnilla?
Kyllä. Jokainen Deep Learning Academy-oppitunti sisältää sisäänrakennetun koodieditorin, joten voit kirjoittaa ja suorittaa oikeaa koodia suoraan selaimessa ja saada välitöntä palautetta tekoälyltä – paikallista asennusta ei tarvita.
Kaikki tämän kurssin oppitunnit
- Häviö maisemana, jota laskeudutaan
- Gradientit osoittavat ylämäkeen – astukaa siis toiseen suuntaan
- Oppimisnopeus: liian suuri, liian pieni vai sopiva
- Minimoikaa funktio käsin Pythonilla