1. Learn
    2. /
  2. Kurser
    3. /
  3. Wprowadzenie do uczenia głębokiego w Pythonie
Connected

övning

Poprawa wag modelu

Świetnie! Udało się obliczyć potrzebne nachylenia. Teraz czas wykorzystać je do poprawy modelu. Dodanie nachyleń do wag przesuwa model we właściwym kierunku – jednak można przy tym zajść za daleko. Dlatego najpierw wykonasz mały krok, korzystając z niskiego współczynnika uczenia, i sprawdzisz, czy model rzeczywiście się poprawia.

Wagi zostały wstępnie załadowane jako weights, rzeczywista wartość docelowa jako target, a dane wejściowe jako input_data. Predykcje na podstawie początkowych wag są zapisane jako preds.

Instruktioner

100 XP
  • Ustaw współczynnik uczenia na 0.01 i oblicz błąd na podstawie oryginalnych predykcji. Ten krok został już wykonany.
  • Oblicz zaktualizowane wagi, odejmując iloczyn learning_rate i slope od weights.
  • Oblicz zaktualizowane predykcje, mnożąc weights_updated przez input_data i obliczając ich sumę.
  • Oblicz błąd dla nowych predykcji. Zapisz wynik jako error_updated.
  • Kliknij „Prześlij odpowiedź", aby porównać zaktualizowany błąd z pierwotnym!