Passage avant, perte, rétropropagation, mise à jour
Les quatre étapes d’une itération d’entraînement.
Passage avant, perte, rétropropagation, mise à jour est une leçon Deep Learning Academy gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Deep Learning Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Deep Learning Academy comprend 4 leçons au total.
Quatre mouvements, un seul rythme
Chaque itération d’entraînement consiste simplement en quatre mouvements répétés : forward, loss, backward, step. Apprenez ce rythme et toute la boucle d’entraînement cessera de sembler mystérieuse. 🥁
Premier mouvement : Forward
Le passage forward fait traverser votre entrée au modèle afin qu’il produise une prédiction. Il vous suffit d’appeler le modèle sur un lot de données et de lire la sortie.
pred = model(x)Des logits, pas encore des réponses
La sortie de forward est généralement constituée de scores bruts appelés logits, et non d’étiquettes lisibles. La fonction de perte sait lire directement ces scores : vous les laissez donc tels quels.
Deuxième mouvement : Loss
Vous mesurez ensuite à quel point la prédiction est erronée. La perte compare votre sortie aux véritables étiquettes et réduit l’erreur à un seul nombre.
loss = loss_fn(pred, y)Perte plus faible, meilleur modèle
Une perte élevée indique une mauvaise prédiction, tandis qu’une perte faible indique une bonne prédiction. L’entraînement a un objectif unique : faire diminuer progressivement ce nombre.
Troisième mouvement : Backward
Vous cherchez maintenant dans quelle direction modifier légèrement chaque poids. Le passage backward utilise autograd pour calculer chaque gradient et remplir automatiquement le .grad de chaque paramètre.
loss.backward()Les gradients indiquent des directions
Chaque gradient vous indique comment la perte changerait si vous modifiiez ce poids précis. Ils constituent la carte que suit l’optimiseur vers un meilleur modèle.
Quatrième mouvement : Step
Enfin, l’optimiseur applique ces gradients et modifie légèrement chaque poids. Ce step est le moment où le modèle apprend réellement de son erreur.
optimizer.step()Effacez les gradients
Les gradients s’accumulent par défaut ; avant le backward suivant, appelez donc zero_grad. Si vous l’oubliez, les anciens gradients fausseront votre prochaine mise à jour.
optimizer.zero_grad()Le mouvement complet
Assemblez les quatre mouvements pour obtenir une itération claire. Vous saisirez exactement ce schéma dans presque tous les projets PyTorch que vous réaliserez.
optimizer.zero_grad()
pred = model(x)
loss = loss_fn(pred, y)
loss.backward()
optimizer.step()Puis recommencez
Répétez ces mouvements pour chaque lot : la perte diminue un peu à chaque fois. Ce sont des milliers de minuscules mises à jour qui transforment des poids aléatoires en compétences réelles.
Vérification rapide
Quel appel calcule réellement les gradients de chaque poids ?
Récapitulatif
Une itération comporte quatre mouvements : forward pour produire une prédiction, loss pour mesurer l’erreur, backward pour calculer les gradients et step pour mettre à jour les poids. Répétez pour apprendre. 🎉
Apprends Python avec un tuteur IA — gratuit
Écris et exécute du vrai code dans ton navigateur, obtiens de l'aide instantanée d'un tuteur IA disponible 24h/24, et reprends là où tu t'es arrêté sur le web ou dans l'app.
- Cours
- 30
- Leçons
- 120
Questions Fréquemment Posées
La leçon « Passage avant, perte, rétropropagation, mise à jour » est-elle gratuite ?
Oui — le texte complet de « Passage avant, perte, rétropropagation, mise à jour » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Deep Learning Academy, passe à CoddyKit PRO. Le cours Deep Learning Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Passage avant, perte, rétropropagation, mise à jour » ?
Les quatre étapes d’une itération d’entraînement. Tu pratiques Deep Learning Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Deep Learning Academy ?
Aucune expérience préalable n'est requise. Deep Learning Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.
Combien de temps prend la leçon « Passage avant, perte, rétropropagation, mise à jour » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Deep Learning Academy ?
Oui. Chaque leçon Deep Learning Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Passage avant, perte, rétropropagation, mise à jour
- Écrire une boucle d’entraînement minimale
- Suivre la précision pendant l’entraînement
- Modes d’entraînement et d’évaluation