对权重进行多次更新

现在，您将进行多次更新，以显著改进模型权重，并观察每次更新后预测如何提升。

为保持代码整洁，已预先加载 get_slope() 函数，该函数以 input_data、target 和 weights 作为参数。还提供了同样参数的 get_mse() 函数。input_data、target 和 weights 都已预加载。

该网络没有任何隐藏层，它直接从输入（包含 3 个节点）连接到一个输出节点。请注意，weights 是一个单独的数组。

我们也预先加载了 matplotlib.pyplot，在您完成梯度下降步骤后，将绘制误差历史。

本练习是课程的一部分

Python 深度学习入门

查看课程

练习说明

使用 for 循环迭代更新权重：
- 使用 get_slope() 函数计算斜率。
- 使用学习率 0.01 更新权重。
- 使用 get_mse() 函数在更新后的权重上计算均方误差（mse）。
- 将 mse 追加到 mse_hist。
点击 "Submit Answer" 可可视化 mse_hist。您观察到什么趋势？

交互式实操练习

通过完成这段示例代码来试试这个练习。

n_updates = 20
mse_hist = []

# Iterate over the number of updates
for i in range(n_updates):
    # Calculate the slope: slope
    slope = ____(____, ____, ____)
    
    # Update the weights: weights
    weights = ____ - ____ * ____
    
    # Calculate mse with new weights: mse
    mse = ____(____, ____, ____)
    
    # Append the mse to mse_hist
    ____

# Plot the mse history
plt.plot(mse_hist)
plt.xlabel('Iterations')
plt.ylabel('Mean Squared Error')
plt.show()

编辑并运行代码