Model ağırlıklarını iyileştirme
Yaşasın! İhtiyacın olan eğimleri az önce hesapladın. Şimdi bu eğimleri modelini iyileştirmek için kullanma zamanı. Eğimi ağırlıklara eklersen doğru yöne ilerlersin. Ancak o yönde fazla ilerlemek de mümkün. Bu yüzden önce küçük bir adım atmak için daha düşük bir öğrenme oranı kullanmak ve modelin gerçekten iyileştiğini doğrulamak istersin.
Ağırlıklar weights, hedefin gerçek değeri target ve girdi verisi input_data olarak önceden yüklendi. Başlangıç ağırlıklarından gelen tahminler preds içinde saklandı.
Bu egzersiz
Python ile Deep Learning'e Giriş
kursunun bir parçasıdırEgzersiz talimatları
- Öğrenme oranını
0.01olarak ayarla ve orijinal tahminlerin hatasını hesapla. Bu senin için yapıldı. - Güncellenmiş ağırlıkları,
weightsdeğerindenlearning_rateileslopeçarpımını çıkararak hesapla. - Güncellenmiş tahminleri,
weights_updatedileinput_dataçarpıp toplamlarını alarak hesapla. - Yeni tahminlerin hatasını hesapla. Sonucu
error_updatedolarak sakla. - Güncellenmiş hatayı orijinaliyle karşılaştırmak için 'Yanıtı Gönder' düğmesine bas!
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# 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)