ในแบบฝึกหัดนี้ คุณจะเห็นกราฟข้อมูลการประหยัดเชื้อเพลิงจากแบบฝึกหัดพารามิเตอร์อีกครั้ง แต่ครั้งนี้คุณจะใช้การไล่ระดับสีเพื่อศึกษาค่าน้ำหนักและค่าความเอียงที่เหมาะสมที่สุดสำหรับโมเดลเชิงเส้นที่ลดการลดลง
ทํางาน 3 รายการใต้กราฟให้เสร็จสมบูรณ์
งาน #1: ปรับแถบเลื่อนอัตราการเรียนรู้ใต้กราฟเพื่อกำหนดอัตราการเรียนรู้เป็น 0.03 คลิกปุ่มเริ่มเพื่อเรียกใช้การลดเชิงลาด
การฝึกโมเดลใช้เวลานานแค่ไหนจึงจะบรรจบกัน (ถึงค่าการสูญเสียขั้นต่ำที่คงที่) ค่า MSE ที่การบรรจบของโมเดลคืออะไร ค่าน้ำหนักและค่าความลำเอียงใดที่ทำให้เกิดค่านี้
งาน #2: คลิกปุ่มรีเซ็ตใต้กราฟเพื่อรีเซ็ตค่าน้ำหนักและค่าความเบี่ยงเบนในกราฟ ปรับแถบเลื่อนอัตราการเรียนรู้เป็นค่าประมาณ 1.10e–5 คลิกปุ่มเริ่มต้นเพื่อเรียกใช้การไล่ระดับสี
คุณสังเกตเห็นอะไรเกี่ยวกับระยะเวลาที่การฝึกโมเดลจะบรรลุความสอดคล้องกันในครั้งนี้
งาน #3: คลิกปุ่มรีเซ็ตใต้กราฟเพื่อรีเซ็ตค่าน้ำหนักและค่าอคติในกราฟ ปรับแถบเลื่อนอัตราการเรียนรู้เป็น 1 คลิกปุ่มเริ่มเพื่อเรียกใช้การลดเชิงลาด
จะเกิดอะไรขึ้นกับค่าการสูญเสียเมื่อการลดเชิงลาดทำงาน การฝึกโมเดลจะใช้เวลา นานเท่าใดในการบรรจบกันในครั้งนี้