ในแบบฝึกหัดนี้ คุณจะเห็นกราฟข้อมูลการประหยัดเชื้อเพลิงจากแบบฝึกหัดพารามิเตอร์อีกครั้ง แต่ครั้งนี้ คุณจะใช้การลดเชิงลาดเพื่อเรียนรู้ค่าน้ำหนักและค่าอคติที่ดีที่สุดสำหรับโมเดลเชิงเส้นที่ลดการสูญเสียให้น้อยที่สุด
ทํางาน 3 รายการใต้กราฟให้เสร็จสมบูรณ์
งาน #1: ปรับแถบเลื่อนอัตราการเรียนรู้ใต้กราฟเพื่อกำหนดอัตราการเรียนรู้เป็น 0.03 คลิกปุ่มเริ่มเพื่อเรียกใช้การลดเชิงลาด
การฝึกโมเดลใช้เวลานานเท่าใดจึงจะบรรลุความสอดคล้อง (ถึงค่าการสูญเสียขั้นต่ำที่เสถียร) ค่า MSE ที่การบรรจบของโมเดลคืออะไร ค่าน้ำหนักและค่าความลำเอียงใดที่ทำให้เกิดค่านี้
งาน #2: คลิกปุ่มรีเซ็ตใต้กราฟเพื่อรีเซ็ตค่าน้ำหนักและค่าความเบี่ยงเบนในกราฟ ปรับแถบเลื่อนอัตราการเรียนรู้เป็นค่าประมาณ 1.10e–5 คลิกปุ่มเริ่มเพื่อเรียกใช้การลดเชิงลาด
คุณสังเกตเห็นอะไรบ้างเกี่ยวกับระยะเวลาที่การฝึกโมเดลจะบรรจบกันในครั้งนี้
งาน #3: คลิกปุ่มรีเซ็ตใต้กราฟเพื่อรีเซ็ตค่าน้ำหนักและค่าเบี่ยงเบนในกราฟ ปรับแถบเลื่อนอัตราการเรียนรู้เป็น 1 คลิกปุ่มเริ่มเพื่อเรียกใช้การลดเชิงลาด
จะเกิดอะไรขึ้นกับค่าการสูญเสียเมื่อการลดเชิงลาดทำงาน การฝึกโมเดลจะใช้เวลานานเท่าใดจึงจะบรรลุข้อสรุปในครั้งนี้