Calcul des pentes
Vous allez maintenant vous entraîner à calculer des pentes. Lorsque l'on représente graphiquement la fonction de perte d'erreur quadratique moyenne par rapport aux prédictions, la pente est de l'2 * x * (xb-y), ou de l'2 * input_data * error. Veuillez noter que x et b peuvent comporter plusieurs nombres (x est un vecteur pour chaque point de données, et b est un vecteur). Dans ce cas, le résultat sera également un vecteur, ce qui correspond exactement à ce que vous souhaitez.
Vous êtes prêt à écrire le code permettant de calculer cette pente à partir d'un seul point de données. Vous utiliserez des pondérations prédéfinies appelées « pondérations de poids » ( weights ) ainsi que des données pour un point unique appelées « pondérations de points » ( input_data). La valeur réelle de la cible que vous souhaitez prédire est stockée dans target.
Cet exercice fait partie du cours
Introduction au Deep Learning avec Python
Instructions
- Calculez les prédictions,
preds, en multipliantweightspar l'input_dataet en calculant leur somme. - Calculez l'erreur, qui correspond à l'
predsmoins l'target. Veuillez noter que cette erreur correspond à l'xb-ydans l'expression du gradient. - Calculez la pente de la fonction de perte par rapport à la prédiction. Pour ce faire, vous devez prendre le produit de
input_dataeterroret le multiplier par2.
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)