Migliorare i pesi del modello
Evviva! Hai appena calcolato le pendenze di cui hai bisogno. Ora è il momento di usare queste pendenze per migliorare il tuo modello. Se aggiungi le pendenze ai tuoi pesi, ti muoverai nella direzione giusta. Tuttavia, è possibile andare troppo oltre in quella direzione. Quindi è meglio fare prima un piccolo passo, usando un learning rate più basso, e verificare che il modello stia migliorando.
I pesi sono stati precaricati come weights, il valore reale del target come target e i dati in input come input_data. Le previsioni dai pesi iniziali sono memorizzate come preds.
Questo esercizio fa parte del corso
Introduzione al Deep Learning in Python
Istruzioni dell'esercizio
- Imposta il learning rate a
0.01e calcola l'errore dalle previsioni originali. Questo è già stato fatto per te. - Calcola i pesi aggiornati sottraendo da
weightsil prodotto tralearning_rateeslope. - Calcola le previsioni aggiornate moltiplicando
weights_updatedperinput_datae calcolandone la somma. - Calcola l'errore per le nuove previsioni. Salva il risultato come
error_updated. - Premi "Invia risposta" per confrontare l'errore aggiornato con quello originale!
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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)