Calcul des pentes
Vous allez maintenant vous exercer à calculer des pentes. Lorsque l'on trace la fonction de perte par erreur quadratique moyenne en fonction des prédictions, la pente est 2 * x * (xb-y), ou 2 * input_data * error. Remarquez que x et b peuvent contenir plusieurs nombres (x est un vecteur pour chaque point de données, et b est un vecteur). Dans ce cas, la sortie sera aussi un vecteur, ce qui est exactement ce qu'il faut.
Vous êtes prêt à écrire le code pour calculer cette pente en utilisant un seul point de données. Vous utiliserez des poids prédéfinis appelés weights ainsi que des données pour un seul point appelées input_data. La valeur réelle de la cible que vous voulez prédire est stockée dans target.
Cette activité fait partie du cours
Introduction à Deep Learning en Python
Instructions de l’exercice
- Calculez les prédictions,
preds, en multipliantweightsparinput_dataet en calculant leur somme. - Calculez l'erreur, qui correspond à
predsmoinstarget. Notez que cette erreur correspond àxb-ydans l'expression du gradient. - Calculez la pente de la fonction de perte par rapport à la prédiction. Pour ce faire, prenez le produit de
input_dataet deerror, puis multipliez le tout par2.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Calculate the predictions: preds
preds = ____
# Calculate the error: error
error = ____ - ____
# Calculate the slope: slope
slope = ____ * ____ * ____
# Print the slope
print(slope)