Küçük Bir Ağda Geri Yayılımı Elle Yapın
Gradyanları kâğıt üzerinde hesaplayıp kodla doğrulayın.
Küçük Bir Ağda Geri Yayılımı Elle Yapın, CoddyKit'te ücretsiz bir Deep Learning Academy dersidir. Bu, 4 dersinin 3. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, Deep Learning Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. Deep Learning Academy kursu toplamda 4 dersten oluşur.
Küçük Ağımız
En küçük ağı adım adım izleyelim: bir x girdisi, bir ağırlık w ve bias yok. Çıktı basitçe y = w çarpı x'tir. Kâğıt üzerinde hesaplanabilecek kadar küçük.
y = w * xBasit Bir Kayıp Ekleyin
Çıktıyı, karesel hatayla bir hedef t ile karşılaştırırız. Bu kayıp, hedeften uzak olmayı cezalandırır ve elle türevinin alınması kolaydır.
loss = (y - t) ** 2Sayılarla İleri Geçiş
x = 2, w = 3, t = 10 değerlerini yerine koyun. İleri geçiş y = 6 ve kayıp = (6 - 10) karesi = 16 sonucunu verir. Şimdi dloss/dw'yi bulmak için geriye ilerliyoruz.
Birinci Adım: Kayıptan Çıktıya
İlk bağlantı: Kayıp y'ye göre nasıl değişir? (y - t) karesinin türevi 2(y - t) olur; burada bu, 2 çarpı (6 - 10) = -8'dir.
dloss_dy = 2 * (y - t)İkinci Adım: Çıktıdan Ağırlığa
İkinci bağlantı: y, w'ye göre nasıl değişir? y = w çarpı x olduğundan dy/dw yalnızca x'tir; örneğimizde bu değer 2'dir.
dy_dw = xİkisini Zincirleyin
Zincir kuralı bağlantıları çarpar: dloss/dw = dloss/dy çarpı dy/dw = -8 çarpı 2 = -16. Bu tek sayı bizim gradyanımızdır.
dloss_dw = dloss_dy * dy_dwGradyanın İşaretini Okuyun
Negatif gradyan, w'yi artırmanın kaybı azaltacağı anlamına gelir. Bu nedenle bir dahaki sefere daha iyi sonuç almak için w'yi biraz artırmalıyız.
Tek Bir Güncelleme Adımı Atın
0.1 öğrenme oranıyla güncelleme şöyledir: w = w - 0.1 çarpı (-16) = 3 + 1.6 = 4.6. Ağırlık daha iyi bir değere doğru ilerledi.
w = w - lr * dloss_dwİyileştiğini Doğrulayın
w = 4.6 ile ileri geçişi yeniden yapın: y = 9.2 ve kayıp = (9.2 - 10) karesi = 0.64. 16'dan çok daha küçük olduğuna göre adım gerçekten işe yaradı.
PyTorch ile Kontrol Edin
PyTorch aynı gradyanı otomatik olarak elde eder. w için requires_grad özelliğini ayarlayın, ileri geçişi çalıştırın, backward çağırın ve -16'yı görmek için w.grad değerini okuyun.
w = torch.tensor(3.0, requires_grad=True)
loss = (w * 2 - 10) ** 2
loss.backward()
print(w.grad)Aynı Adımlar, Daha Büyük Ağlar
Milyon ağırlıklı bir ağ da tamamen aynı şeyi yapar; yalnızca birbirine zincirlenmiş daha fazla bağlantı vardır. Elle yaptığınız matematik doğrudan daha büyük ölçeğe taşınır.
Hızlı Kontrol
Elle yaptığınız izlemeyi kontrol edelim.
Özet
Küçük bir ağı izlediniz: değerler için ileri geçiş, ardından gradyanı elde etmek üzere yerel türevleri çarpan geri geçiş ve son olarak kaybı azaltan tek bir adım. ✏️
Yapay zeka eğitmeniyle Python öğren — ücretsiz
Tarayıcında gerçek kod yaz ve çalıştır, 7/24 yapay zeka eğitmeninden anında yardım al; web'de ya da uygulamada kaldığın yerden devam et.
- Kurslar
- 30
- Dersler
- 120
Sıkça Sorulan Sorular
“Küçük Bir Ağda Geri Yayılımı Elle Yapın” dersi ücretsiz mi?
Evet — “Küçük Bir Ağda Geri Yayılımı Elle Yapın” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve Deep Learning Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. Deep Learning Academy kursu toplamda 4 dersten oluşur.
“Küçük Bir Ağda Geri Yayılımı Elle Yapın” dersinde ne öğreneceğim?
Gradyanları kâğıt üzerinde hesaplayıp kodla doğrulayın. Deep Learning Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.
Deep Learning Academy öğrenmeye başlamak için deneyim gerekli mi?
Önceden deneyim gerekmez. CoddyKit'te Deep Learning Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 3. dersidir.
“Küçük Bir Ağda Geri Yayılımı Elle Yapın” dersi ne kadar sürer?
Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.
Bu Deep Learning Academy dersinde kod yazıp çalıştırabilir miyim?
Evet. Her Deep Learning Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.
Bu kursun tüm dersleri
- Katman Katman Zincir Kuralı
- İleri Geçiş Önbellekler, Geri Geçiş Yeniden Kullanır
- Küçük Bir Ağda Geri Yayılımı Elle Yapın
- Kaybolan ve Patlayan Gradyanlar