Výpočet směrnic

Teď si procvičíš výpočet směrnic. Při vykreslování ztrátové funkce střední kvadratické chyby vůči predikcím platí, že směrnice je 2 * x * (xb-y), neboli 2 * input_data * error. Všimni si, že x i b mohou obsahovat více hodnot (x je vektor pro každý datový bod a b je také vektor). V takovém případě bude výstupem rovněž vektor, což je přesně to, co potřebuješ.

Jsi připraven/a napsat kód pro výpočet této směrnice pro jeden datový bod. Použiješ předem definované váhy weights a data pro jeden bod uložená v input_data. Skutečná hodnota cíle, který chceš predikovat, je uložena v target.

Toto cvičení je součástí kurzu

Úvod do deep learningu v Pythonu

Zobrazit kurz

Pokyny k cvičení

Vypočítej predikce preds vynásobením weights hodnotami input_data a součtem výsledků.
Vypočítej chybu jako rozdíl preds minus target. Všimni si, že tato chyba odpovídá výrazu xb-y ve vzorci pro gradient.
Vypočítej směrnici ztrátové funkce vzhledem k predikci. K tomu potřebuješ součin input_data a error, který pak vynásob hodnotou 2.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Calculate the predictions: preds
preds = ____

# Calculate the error: error
error = ____ - ____

# Calculate the slope: slope
slope = ____ * ____ * ____

# Print the slope
print(slope)

Upravit a spustit kód