Passagem Direta, Perda, Retropropagação e Passo
Os quatro movimentos de uma iteração de treinamento
Passagem Direta, Perda, Retropropagação e Passo é uma aula grátis de Deep Learning Academy no CoddyKit. Esta é a aula 1 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de Deep Learning Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Deep Learning Academy inclui 4 aulas no total.
Partes desta aula ainda não foram traduzidas e aparecem em inglês.
Four Moves, One Beat
Every training iteration is just four moves repeated: forward, loss, backward, step. Learn this rhythm and the whole training loop stops feeling mysterious. 🥁
Move One: Forward
The forward pass sends your input through the model so it produces a prediction. You just call the model on a batch of data and read the output.
pred = model(x)Logits, Not Answers Yet
The forward output is usually raw scores called logits, not clean labels. The loss function knows how to read these scores directly, so you leave them as is.
Move Two: Loss
Next you measure how wrong the prediction was. The loss compares your output to the true labels and boils the mistake down to one number.
loss = loss_fn(pred, y)Lower Loss, Better Model
A big loss means a poor prediction and a small one means a good prediction. Training has a single mission: drive this number steadily downward.
Move Three: Backward
Now you ask which way to nudge each weight. The backward pass uses autograd to compute every gradient and fill each parameter's .grad for you.
loss.backward()Gradients Are Directions
Each gradient tells you how the loss would change if you tweaked that one weight. They are the map the optimizer follows toward a better model.
Move Four: Step
Finally the optimizer applies those gradients, nudging every weight a little. This step is the moment the model actually learns from its mistake.
optimizer.step()Clear the Grads
Gradients pile up by default, so before the next backward you call zero_grad. Skip it and old gradients corrupt your next update.
optimizer.zero_grad()The Whole Move
Put the four moves together and you get one clean iteration. You will type this exact pattern in nearly every PyTorch project you build.
optimizer.zero_grad()
pred = model(x)
loss = loss_fn(pred, y)
loss.backward()
optimizer.step()Then Do It Again
Run these moves on batch after batch and the loss falls a little each time. Thousands of tiny updates are what turn random weights into real skill.
Quick Check
Which call actually computes the gradients for every weight?
Recap
One iteration is four moves: forward for a prediction, loss to measure error, backward for gradients, and step to update weights. Repeat to learn. 🎉
Perguntas Frequentes
A aula “Passagem Direta, Perda, Retropropagação e Passo” é grátis?
Sim — o texto completo de “Passagem Direta, Perda, Retropropagação e Passo” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de Deep Learning Academy, atualize para CoddyKit PRO. O curso de Deep Learning Academy inclui 4 aulas no total.
O que vou aprender em “Passagem Direta, Perda, Retropropagação e Passo”?
Os quatro movimentos de uma iteração de treinamento Você pratica Deep Learning Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar Deep Learning Academy?
Nenhuma experiência prévia é necessária. Deep Learning Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 1 de 4.
Quanto tempo leva a aula “Passagem Direta, Perda, Retropropagação e Passo”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de Deep Learning Academy?
Sim. Cada aula de Deep Learning Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Passagem Direta, Perda, Retropropagação e Passo
- Escreva um Ciclo de Treinamento Mínimo
- Acompanhe a Exatidão Durante o Treinamento
- Modo de Treinamento vs Avaliação