Een minimale trainingslus schrijven
Doorloop de data en werk de gewichten bij.
Een minimale trainingslus schrijven is een gratis Deep Learning Academy-les op CoddyKit. Dit is les 2 van 4. Je kunt de volledige les hieronder gratis lezen en daarna in de browser praktisch oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject Deep Learning Academy. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus Deep Learning Academy bevat in totaal 4 lessen.
Van stappen naar een lus
Je kent de vier stappen van één iteratie. Nu plaats je ze in een lus die steeds opnieuw door je gegevens loopt totdat het model is getraind. 🔁
Verzamel de benodigdheden
Voordat je gaat lussen, heb je drie dingen nodig: een model, een verliesfunctie en een optimizer die de parameters van je model bevat. Stel ze vooraf één keer in.
loss_fn = nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(model.parameters())Loop over epochs
De buitenste lus telt epochs, waarbij elke epoch één volledige doorgang door je trainingsgegevens is. Voor een klein probleem zijn enkele epochs misschien genoeg; voor een moeilijk probleem heb je er meer nodig.
for epoch in range(epochs):
...Loop over batches
Binnen elke epoch itereer je over de dataloader, die je steeds één batch invoer en labels geeft in plaats van de hele dataset tegelijk.
for x, y in dataloader:
...Eerst nul, daarna forward
Begin elke batch door oude gradiënten te wissen en voer daarna de forward-doorgifte uit om voorspellingen te krijgen. De volgorde is belangrijk: eerst nulstellen, daarna voorspellen.
optimizer.zero_grad()
pred = model(x)Meten en daarna leren
Bereken de loss, roep backward aan voor de gradiënten en voer daarna een step van de optimizer uit. In deze drie regels worden alle gewichten daadwerkelijk beter.
loss = loss_fn(pred, y)
loss.backward()
optimizer.step()Het volledige geraamte
Voeg alles samen en je hebt een volledige trainingslus. Deze is expres kort: dezelfde structuur vormt de basis voor projecten van elke omvang.
for epoch in range(epochs):
for x, y in dataloader:
optimizer.zero_grad()
loss = loss_fn(model(x), y)
loss.backward()
optimizer.step()Houd de loss in de gaten
Druk de loss na elke epoch af, zodat je het leerproces kunt zien. Een getal dat daalt, betekent dat je lus werkt zoals bedoeld.
print(epoch, loss.item())Waarom item belangrijk is
Gebruik loss.item om een gewone Python-float op te halen. Als je de ruwe tensor logt, blijft de hele berekeningsgrafiek actief en verspil je geheugen.
Als de loss niet meer daalt
Als de loss niet wil dalen, controleer dan eerst de basis: een learning rate die te hoog of te laag is, of een vergeten zero_grad bij een stap.
Klein maar compleet
Deze lus is klein, maar toch echt compleet. Alles wat je later tegenkomt, voegt alleen validatie, logging of snelheid toe aan deze paar regels.
Korte controle
Waarover itereert de binnenste lus in een minimale trainingslus?
Samenvatting
Je hebt een echte trainingslus gebouwd: loop over epochs, loop over batches en voer daarna zero, forward, loss, backward en step uit. Druk de loss af om te zien hoe het model leert. 🎉
Leer Python met een AI-tutor — gratis
Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.
- Cursussen
- 30
- Lessen
- 120
Veelgestelde vragen
Is de les “Een minimale trainingslus schrijven” gratis?
Ja — de volledige tekst van “Een minimale trainingslus schrijven” kun je hier gratis op het web lezen. Als je interactief wilt oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is, en de rest van de cursus Deep Learning Academy wilt ontgrendelen, kun je upgraden naar CoddyKit PRO. De cursus Deep Learning Academy bevat in totaal 4 lessen.
Wat leer ik in “Een minimale trainingslus schrijven”?
Doorloop de data en werk de gewichten bij. Je oefent met Deep Learning Academy door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.
Heb ik ervaring nodig om met Deep Learning Academy te beginnen?
Ervaring vooraf is niet nodig. Deep Learning Academy op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 2 van 4.
Hoe lang duurt de les “Een minimale trainingslus schrijven”?
De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.
Kan ik code schrijven en uitvoeren in deze les over Deep Learning Academy?
Ja. Elke les over Deep Learning Academy bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.
Alle lessen in deze cursus
- Forward pass, loss, backward, step
- Een minimale trainingslus schrijven
- Nauwkeurigheid bijhouden tijdens het trainen
- Train- versus eval-modus