Прямой проход, потери, обратный проход и шаг
Четыре действия одной итерации обучения
«Прямой проход, потери, обратный проход и шаг» — бесплатный урок Deep Learning Academy на CoddyKit. Это урок 1 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения Deep Learning Academy, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс Deep Learning Academy содержит 4 уроков всего.
Части этого урока еще не переведены и отображаются на английском.
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. 🎉
Изучай Python с ИИ-репетитором — бесплатно
Пиши и запускай код прямо в браузере, получай мгновенную помощь от ИИ-репетитора 24/7 и продолжи учиться на сайте или в приложении.
- Курсы
- 30
- Уроки
- 120
Часто задаваемые вопросы
Урок «Прямой проход, потери, обратный проход и шаг» бесплатный?
Да — полный текст урока «Прямой проход, потери, обратный проход и шаг» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс Deep Learning Academy, подпишись на CoddyKit PRO. Курс Deep Learning Academy содержит 4 уроков всего.
Чему я научусь в уроке «Прямой проход, потери, обратный проход и шаг»?
Четыре действия одной итерации обучения Ты практикуешь Deep Learning Academy с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.
Нужен ли мне опыт, чтобы начать Deep Learning Academy?
Предыдущий опыт не требуется. Deep Learning Academy на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 1 из 4.
Сколько времени занимает урок «Прямой проход, потери, обратный проход и шаг»?
Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.
Можно ли писать и запускать код в этом уроке Deep Learning Academy?
Да. Каждый урок Deep Learning Academy включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.
Все уроки этого курса
- Прямой проход, потери, обратный проход и шаг
- Напишите минимальный цикл обучения
- Отслеживайте точность во время обучения
- Режимы обучения и оценки