Calculer les pentes

Vous allez maintenant vous entraîner 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. Notez que x et b peuvent contenir plusieurs valeurs (x est un vecteur pour chaque point de données, et b est un vecteur). Dans ce cas, la sortie sera également un vecteur, ce qui est exactement ce que vous voulez.

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 vraie valeur de la cible que vous souhaitez prédire est stockée dans target.

Cet exercice fait partie du cours

Introduction au Deep Learning en Python

Afficher le cours

Instructions

Calculez les prédictions, preds, en multipliant weights par input_data puis en calculant leur somme.
Calculez l’erreur, qui correspond à preds moins target. Remarquez que cette erreur correspond à xb-y dans l’expression du gradient.
Calculez la pente de la fonction de perte par rapport à la prédiction. Pour cela, prenez le produit de input_data et error, puis multipliez par 2.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Calculate the predictions: preds
preds = ____

# Calculate the error: error
error = ____ - ____

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

# Print the slope
print(slope)

Modifier et exécuter le code