शुरू करेंमुफ़्त में शुरू करें

मॉडल वेट्स में सुधार

वाह! आपने अभी वे slopes निकाल लिए हैं जिनकी आपको ज़रूरत थी। अब इन्हीं slopes का उपयोग करके अपने मॉडल में सुधार करने का समय है। अगर आप वेट्स में slopes जोड़ते हैं, तो आप सही दिशा में बढ़ेंगे। लेकिन संभव है कि आप उस दिशा में बहुत दूर चले जाएँ। इसलिए पहले उसी दिशा में एक छोटा कदम लीजिए, एक कम learning rate का उपयोग करके, और जाँचिए कि मॉडल बेहतर हो रहा है या नहीं।

weights के रूप में वेट्स, target के रूप में लक्ष्य का वास्तविक मान, और input_data के रूप में इनपुट डेटा पहले से लोड हैं। शुरुआती वेट्स से आए प्रेडिक्शंस preds में स्टोर हैं।

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Deep Learning परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • learning rate को 0.01 रखें और मूल प्रेडिक्शंस से एरर निकालें। यह आपके लिए कर दिया गया है।
  • weights में से learning_rate और slope के गुणनफल को घटाकर अपडेटेड वेट्स निकालें।
  • weights_updated को input_data से गुणा करें और उनका sum निकालकर अपडेटेड प्रेडिक्शंस गणना करें।
  • नई प्रेडिक्शंस के लिए एरर निकालें। परिणाम error_updated के रूप में स्टोर करें।
  • अपडेटेड एरर को मूल से तुलना करने के लिए 'Submit Answer' दबाएँ!

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Set the learning rate: learning_rate
learning_rate = 0.01

# Calculate the predictions: preds
preds = (weights * input_data).sum()

# Calculate the error: error
error = preds - target

# Calculate the slope: slope
slope = 2 * input_data * error

# Update the weights: weights_updated
weights_updated = ____

# Get updated predictions: preds_updated
preds_updated = ____

# Calculate updated error: error_updated
error_updated = ____

# Print the original error
print(error)

# Print the updated error
print(error_updated)
कोड संपादित करें और चलाएँ