Forward Pass, Loss, Backward, Step
एक training iteration की चार मुख्य क्रियाएँ
Forward Pass, Loss, Backward, Step, CoddyKit पर Deep Learning Academy का एक निःशुल्क पाठ है। यह 4 में से 1वाँ पाठ है। आप नीचे पूरा पाठ निःशुल्क पढ़ सकते हैं—फिर अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर के साथ ब्राउज़र में इसका व्यावहारिक अभ्यास कर सकते हैं। यह Deep Learning Academy सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। Deep Learning Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
चार चरण, एक लय
प्रशिक्षण का हर पुनरावर्तन केवल चार दोहराए जाने वाले चरणों से बना है: forward, हानि, backward, step। इस लय को सीख लें और पूरा प्रशिक्षण-चक्र रहस्यमय नहीं लगेगा। 🥁
पहला चरण: Forward
forward पास आपके इनपुट को मॉडल से गुजारता है, ताकि वह एक पूर्वानुमान तैयार करे। आपको केवल डेटा के एक बैच पर मॉडल कॉल करना है और आउटपुट पढ़ना है।
pred = model(x)अभी उत्तर नहीं, Logits
forward का आउटपुट आमतौर पर logits कहलाने वाले कच्चे स्कोर होते हैं, साफ़ लेबल नहीं। हानि फ़ंक्शन इन स्कोर को सीधे पढ़ सकता है, इसलिए इन्हें वैसे ही रहने दें।
दूसरा चरण: हानि
इसके बाद आप मापते हैं कि पूर्वानुमान कितना गलत था। हानि आपके आउटपुट की वास्तविक लेबल से तुलना करती है और गलती को एक संख्या में बदल देती है।
loss = loss_fn(pred, y)कम हानि, बेहतर मॉडल
बड़ी हानि खराब पूर्वानुमान और छोटी हानि अच्छे पूर्वानुमान का संकेत है। प्रशिक्षण का एक ही लक्ष्य है: इस संख्या को लगातार कम करना।
तीसरा चरण: Backward
अब आप पूछते हैं कि हर भार को किस दिशा में थोड़ा बदलना चाहिए। backward पास autograd का उपयोग करके हर ग्रेडिएंट निकालता है और प्रत्येक पैरामीटर का .grad आपके लिए भर देता है।
loss.backward()ग्रेडिएंट दिशाएँ होते हैं
हर ग्रेडिएंट बताता है कि उस एक भार में बदलाव करने पर हानि कैसे बदलेगी। यही वह मानचित्र है जिसका अनुसरण अनुकूलक बेहतर मॉडल की ओर करता है।
चौथा चरण: Step
अंत में अनुकूलक उन ग्रेडिएंट को लागू करता है और हर भार को थोड़ा-सा बदलता है। यह step वही क्षण है जब मॉडल वास्तव में अपनी गलती से सीखता है।
optimizer.step()ग्रेडिएंट साफ़ करें
ग्रेडिएंट डिफ़ॉल्ट रूप से जमा होते रहते हैं, इसलिए अगले backward से पहले zero_grad कॉल करें। इसे छोड़ देने पर पुराने ग्रेडिएंट अगला अपडेट बिगाड़ देंगे।
optimizer.zero_grad()पूरा चरण-समूह
चारों चरणों को साथ रखने पर आपको एक साफ़ पुनरावर्तन मिलता है। आपके बनाए लगभग हर PyTorch प्रोजेक्ट में आप यही पैटर्न लिखेंगे।
optimizer.zero_grad()
pred = model(x)
loss = loss_fn(pred, y)
loss.backward()
optimizer.step()फिर इसे दोहराएँ
इन चरणों को एक के बाद एक बैच पर चलाएँ और हर बार हानि थोड़ी कम होगी। हज़ारों छोटे अपडेट ही यादृच्छिक भारों को वास्तविक दक्षता में बदलते हैं।
त्वरित जाँच
कौन-सी कॉल वास्तव में हर भार के लिए ग्रेडिएंट निकालती है?
पुनरावलोकन
एक पुनरावर्तन चार चरणों का होता है: पूर्वानुमान के लिए forward, त्रुटि मापने के लिए हानि, ग्रेडिएंट के लिए backward और भार अपडेट करने के लिए step। सीखने के लिए इसे दोहराएँ। 🎉
एआई शिक्षक के साथ Python सीखें — निःशुल्क
अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।
- पाठ्यक्रम
- 30
- पाठ
- 120
अक्सर पूछे जाने वाले प्रश्न
क्या “Forward Pass, Loss, Backward, Step” पाठ निःशुल्क है?
हाँ—“Forward Pass, Loss, Backward, Step” का पूरा पाठ यहाँ वेब पर निःशुल्क पढ़ा जा सकता है। इंटरैक्टिव अभ्यास (अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर) करने और Deep Learning Academy पाठ्यक्रम का बाकी हिस्सा अनलॉक करने के लिए CoddyKit PRO लें। Deep Learning Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
“Forward Pass, Loss, Backward, Step” में मैं क्या सीखूँगा?
एक training iteration की चार मुख्य क्रियाएँ आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ Deep Learning Academy का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।
क्या Deep Learning Academy शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?
पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर Deep Learning Academy शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 1वाँ पाठ है।
“Forward Pass, Loss, Backward, Step” पाठ पूरा करने में कितना समय लगता है?
CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।
क्या मैं इस Deep Learning Academy पाठ में कोड लिख और चला सकता हूँ?
हाँ। हर Deep Learning Academy पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।
इस पाठ्यक्रम के सभी पाठ
- Forward Pass, Loss, Backward, Step
- न्यूनतम Training Loop लिखें
- प्रशिक्षण के दौरान Accuracy ट्रैक करें
- Train बनाम Eval Mode