Calcolare le pendenze
Ora metterai in pratica il calcolo delle pendenze. Tracciando la funzione di perdita a errore quadratico medio rispetto alle previsioni, la pendenza è 2 * x * (xb-y), ovvero 2 * input_data * error. Nota che x e b possono avere valori multipli (x è un vettore per ogni punto dati e b è un vettore). In questo caso, anche l'output sarà un vettore, che è esattamente ciò che ti serve.
Sei pronto a scrivere il codice per calcolare questa pendenza usando un singolo punto dati. Userai pesi predefiniti chiamati weights e i dati per un singolo punto chiamati input_data. Il valore effettivo del target che vuoi prevedere è memorizzato in target.
Questo esercizio fa parte del corso
Introduzione al Deep Learning in Python
Istruzioni dell'esercizio
- Calcola le previsioni,
preds, moltiplicandoweightsperinput_datae calcolandone la somma. - Calcola l'errore, che è
predsmenotarget. Nota che questo errore corrisponde axb-ynell'espressione del gradiente. - Calcola la pendenza della funzione di perdita rispetto alla previsione. Per farlo, devi prendere il prodotto di
input_dataederrore moltiplicarlo per2.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Calculate the predictions: preds
preds = ____
# Calculate the error: error
error = ____ - ____
# Calculate the slope: slope
slope = ____ * ____ * ____
# Print the slope
print(slope)