Tính độ dốc
Bây giờ bạn sẽ luyện tập cách tính độ dốc. Khi vẽ hàm loss mean-squared error theo các giá trị dự đoán, độ dốc là 2 * x * (xb-y), hay 2 * input_data * error. Lưu ý rằng x và b có thể gồm nhiều số (x là một vector cho mỗi điểm dữ liệu, và b là một vector). Trong trường hợp này, đầu ra cũng sẽ là một vector, và đó chính là điều bạn muốn.
Bạn đã sẵn sàng viết mã để tính độ dốc này với một điểm dữ liệu đơn lẻ. Bạn sẽ dùng các trọng số được định nghĩa sẵn là weights cũng như dữ liệu cho một điểm gọi là input_data. Giá trị mục tiêu thực tế bạn muốn dự đoán được lưu trong target.
Bài tập này là một phần của khóa học
Nhập môn Deep Learning với Python
Hướng dẫn bài tập
- Tính giá trị dự đoán
predsbằng cách nhânweightsvớiinput_datavà tính tổng của chúng. - Tính sai số (error), bằng
predstrừtarget. Lưu ý sai số này tương ứng vớixb-ytrong biểu thức gradient. - Tính độ dốc của hàm loss theo giá trị dự đoán. Để làm điều này, bạn cần lấy tích của
input_datavàerror, rồi nhân kết quả đó với2.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Calculate the predictions: preds
preds = ____
# Calculate the error: error
error = ____ - ____
# Calculate the slope: slope
slope = ____ * ____ * ____
# Print the slope
print(slope)