مثال تابع (هوش مصنوعی با پایتون): def run(lr, steps):
مثال 2 از درس جلسهی 26 آموزش هوش مصنوعی برای نوجوانان با پایتون: نرخ یادگیری
قدم خیلی کوچک: به پایین میرسی، ولی بعد از ده هزار قدم! در کد یعنی خطا هر بار فقط ذرهای کم میشود. برای فهمیدنش خطای هر قدم را در لیست history ذخیره میکنیم؛ به این لیست منحنی خطا میگوییم.
X = [[1], [2], [3], [4]]
y = [3, 5, 7, 9] # the truth is y = 2x + 1
def run(lr, steps):
w = b = 0.0
history = []
for s in range(steps):
gw = gb = 0
for i in range(len(X)):
error = w * X[i][0] + b - y[i]
gw += error * X[i][0]
gb += error
w = w - lr * gw / len(X)
b = b - lr * gb / len(X)
history.append(sum((w * X[i][0] + b - y[i]) ** 2 for i in range(len(X))) / len(X))
return w, b, history
w, b, h = run(0.001, 50)
print(round(h[0], 2), round(h[-1], 2)) # 40.32 -> 17.73: still far from zero
این کد را همینجا در ویرایشگر پایتون اجرا کن، عددها و متنهایش را عوض کن و دوباره اجرا کن تا ببینی چه تغییری میکند.
بیشتر بخوان: تابع در پایتون: آموزش def، پارامتر و return با مثال
برگشت به درس جلسهی 26: نرخ یادگیری · مثال بعدی → · چالشهای این جلسه