Funkcja straty jako krajobraz do pokonania
Wyobrażać sobie błąd jako wzgórza i doliny
Funkcja straty jako krajobraz do pokonania to bezpłatna lekcja Deep Learning Academy na CoddyKit. To lekcja 1 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Deep Learning Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Deep Learning Academy zawiera 4 lekcji w sumie.
Co mierzy funkcja straty
Strata modelu to pojedyncza liczba określająca, jak bardzo błędne są jego przewidywania. Mniejsza strata oznacza lepsze przewidywania. Trenowanie polega właśnie na jej zmniejszaniu. 📉
Strata zależy od wag
Te same dane mogą dać różną stratę w zależności od wag. Zmiana wagi powoduje wzrost albo spadek straty. Strata jest więc w istocie funkcją wag.
loss = compute_loss(weights, data)Wyobraźmy sobie krajobraz
Proszę wyobrazić sobie każde ustawienie wag jako punkt na pagórkowatym krajobrazie, którego wysokość w tym punkcie oznacza stratę. Trenowanie polega na schodzeniu w dół, ku niższemu poziomowi.
Dolina jest celem
Najniższy punkt tego krajobrazu to minimum: ustawienie wag, przy którym model przewiduje najlepiej. Całym zadaniem jest dotarcie do dna tej doliny.
Jedna waga, prosta krzywa
Przy jednej wadze krajobraz jest po prostu dwuwymiarową krzywą. Można bezpośrednio narysować zależność straty od wagi i zobaczyć zagłębienie, w którym strata jest najmniejsza.
def loss(w):
return (w - 3) ** 2Dwie wagi, powierzchnia
Dodanie drugiej wagi zmienia krzywą w trójwymiarową powierzchnię z pagórkami i dolinami. Rzeczywiste modele mają miliony wag, więc ich krajobraz istnieje w milionach wymiarów.
Nie da się zobaczyć wszystkiego
W wielu wymiarach nie można zobaczyć całego krajobrazu naraz. Można jedynie wyczuć nachylenie bezpośrednio pod sobą i odpowiednio wykonać kolejny krok.
Stromy i płaski teren
Strome nachylenie oznacza, że strata szybko się tutaj zmienia, więc mały krok może dużo pomóc. Płaski teren oznacza, że znajdują się Państwo blisko doliny albo na płaskowyżu i postęp zwalnia.
Nie każda dolina jest najlepsza
Krajobraz może zawierać wiele zagłębień. Minimum lokalne to mała dolina, która zatrzymuje model powyżej najgłębszej doliny. Mimo to głębokie sieci zwykle nadal uczą się dobrze.
Schodzenie po krajobrazie
Cały algorytm trenowania nazywa się spadkiem gradientowym nie bez powodu: wielokrotnie wykonuje się kroki w dół po tym krajobrazie straty, aż model osiądzie blisko dna.
Dlaczego ta metafora pomaga
Traktowanie straty jak terenu ułatwia intuicyjne zrozumienie trenowania: gdzie jestem, w którą stronę jest w dół i jak duży krok należy wykonać? Na tym obrazie opierają się wszystkie kolejne pojęcia.
Szybkie sprawdzenie
Sprawdźmy obraz krajobrazu.
Podsumowanie
Strata zależy od wag, więc tworzy krajobraz pagórków i dolin. Trenowanie polega na schodzeniu w dół w kierunku najniższej znalezionej straty. 🏔️
Ucz się Python dzięki korepetycjom AI — za darmo
Pisz i uruchamiaj kod w przeglądarce, otrzymuj natychmiastową pomoc od korepetytora AI dostępnego 24/7 i kontynuuj naukę w sieci lub w aplikacji.
- Kursy
- 30
- Lekcje
- 120
Często zadawane pytania
Czy lekcja „Funkcja straty jako krajobraz do pokonania” jest bezpłatna?
Tak — pełny tekst „Funkcja straty jako krajobraz do pokonania” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Deep Learning Academy, przejdź na CoddyKit PRO. Kurs Deep Learning Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Funkcja straty jako krajobraz do pokonania”?
Wyobrażać sobie błąd jako wzgórza i doliny Ćwiczysz Deep Learning Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Deep Learning Academy?
Nie wymagamy żadnego doświadczenia. Deep Learning Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 1 z 4.
Ile czasu zajmuje lekcja „Funkcja straty jako krajobraz do pokonania”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Deep Learning Academy?
Tak. Każda lekcja Deep Learning Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Funkcja straty jako krajobraz do pokonania
- Gradienty wskazują pod górę — więc należy iść w przeciwną stronę
- Learning rate: za duży, za mały czy idealny
- Minimalizować funkcję ręcznie w Pythonie