ลดค่าฟังก์ชันด้วยมือใน Python
เขียนโค้ดการไล่ระดับลงบนเส้นโค้งอย่างง่าย
ลดค่าฟังก์ชันด้วยมือใน Python เป็นบทเรียน Deep Learning Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Deep Learning Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Deep Learning Academy มีบทเรียนทั้งหมด 4 บทเรียน
โจทย์ฝึกหัดสั้น ๆ
มาลองทำการลดลงตามเกรเดียนต์ด้วยตนเองบนเส้นโค้งเรียบง่ายหนึ่งเส้น เราจะหาค่าต่ำสุดของฟังก์ชันพื้นฐานใน Python ธรรมดาก่อนที่จะไว้วางใจให้เฟรมเวิร์กจัดการ
เลือกฟังก์ชัน
เราใช้พาราโบลาที่มีแอ่งเดียว จุดต่ำสุดอยู่ที่ x เท่ากับ 3 ดังนั้นนี่คือค่าต่ำสุดที่โค้ดของเราควรค้นพบได้ด้วยตนเอง
def f(x):
return (x - 3) ** 2รู้จักเกรเดียนต์
สำหรับเส้นโค้งนี้ ความชันหรือเกรเดียนต์เท่ากับสองเท่าของ x ลบด้วยสาม ในโมเดลจริงระบบหาอนุพันธ์อัตโนมัติจะคำนวณให้คุณ แต่ในที่นี้เราจะเขียนโดยตรง
def grad(x):
return 2 * (x - 3)เริ่มจากจุดใดจุดหนึ่ง
การเดินลงจำเป็นต้องมีจุดเริ่มต้น เราเลือกค่าเริ่มต้นแบบสุ่มที่อยู่ห่างจากคำตอบ เพื่อดูว่าการก้าวแต่ละครั้งเคลื่อนไปหาคำตอบได้อย่างไร
x = 0.0เลือกอัตราการเรียนรู้
เรากำหนดอัตราการเรียนรู้ในระดับพอเหมาะ เพื่อให้ก้าวใหญ่พอที่จะสร้างความก้าวหน้า แต่เล็กพอที่จะไม่ก้าวเลยแอ่ง
lr = 0.1ขั้นตอนการปรับค่า
การทำซ้ำแต่ละครั้งใช้กฎเดิมจากก่อนหน้านี้ นั่นคือลบเกรเดียนต์ที่ปรับขนาดแล้วออกจาก x บรรทัดเดียวจัดการงานเดินลงทั้งหมด
x = x - lr * grad(x)วนซ้ำ
ก้าวเดียวไม่เพียงพอ เราจึงห่อการปรับค่าไว้ในลูป การทำซ้ำประมาณยี่สิบครั้งจะทำให้ x เลื่อนไปสู่ค่าต่ำสุดอย่างต่อเนื่อง
for i in range(20):
x = x - lr * grad(x)เฝ้าดูการลู่เข้า
พิมพ์ค่า x และ f(x) ในแต่ละรอบ แล้วคุณจะเห็นว่าทั้งสองค่าลู่เข้า x ค่อย ๆ เข้าใกล้ 3 และค่าฟังก์ชันค่อย ๆ ลดเข้าใกล้ศูนย์
print(round(x, 4), round(f(x), 6))ก้าวเล็กลง
สังเกตว่าการเคลื่อนที่จะเล็กลงเมื่อเข้าใกล้จุดต่ำสุด ใกล้ค่าต่ำสุดเกรเดียนต์จะมีค่าน้อยมาก ดังนั้นแต่ละก้าวจึงช้าลงเองโดยไม่ต้องเพิ่มโค้ด
ลองใช้อัตราที่ไม่ดี
ตั้งอัตราการเรียนรู้เป็นค่าประมาณ 1.1 แล้วเรียกใช้ใหม่ x จะเด้งออกห่างแทนที่จะหยุดนิ่ง แสดงให้เห็นโดยตรงว่าก้าวที่ใหญ่เกินไปทำให้ไม่ลู่เข้าอย่างไร
lr = 1.1แนวคิดเดิม ขนาดใหญ่ขึ้น
โค้ดไม่กี่บรรทัดนี้คือสิ่งเดียวกับที่การเรียนรู้เชิงลึกทำ เพียงแต่มีน้ำหนักหลายล้านค่าและมีเกรเดียนต์อัตโนมัติ ลูปหลักไม่เคยเปลี่ยน
ตรวจสอบอย่างรวดเร็ว
สัญญาณใดบ่งบอกว่าการเดินลงกำลังลู่เข้า
ทบทวน
คุณเขียนการลดลงตามเกรเดียนต์ด้วยตนเองแล้ว: กำหนดฟังก์ชันและเกรเดียนต์ของมัน เริ่มจากจุดหนึ่ง แล้ววนซ้ำกฎการปรับค่าจนกว่า x จะลู่เข้าสู่ค่าต่ำสุด ✅
เรียนรู้ Python ด้วย AI tutor — ฟรี
เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป
- คอร์ส
- 30
- บทเรียน
- 120
คำถามที่พบบ่อย
บทเรียน “ลดค่าฟังก์ชันด้วยมือใน Python” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “ลดค่าฟังก์ชันด้วยมือใน Python” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Deep Learning Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Deep Learning Academy มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “ลดค่าฟังก์ชันด้วยมือใน Python”
เขียนโค้ดการไล่ระดับลงบนเส้นโค้งอย่างง่าย คุณปฏิบัติ Deep Learning Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Deep Learning Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน Deep Learning Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน
บทเรียน “ลดค่าฟังก์ชันด้วยมือใน Python” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน Deep Learning Academy นี้ได้ไหม
ได้ บทเรียน Deep Learning Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- มองค่าความสูญเสียเป็นภูมิประเทศที่ต้องไต่ลง
- เกรเดียนต์ชี้ขึ้นเนิน — จึงก้าวไปอีกทาง
- อัตราการเรียนรู้: ใหญ่เกินไป เล็กเกินไป หรือพอดี
- ลดค่าฟังก์ชันด้วยมือใน Python