इस अभ्यास में, आप ईंधन की खपत से जुड़े डेटा के ग्राफ़ को फिर से देखेंगे, जो पैरामीटर का व्यायाम. हालांकि, इस बार आपको किसी रेखीय (लीनियर) के लिए अधिकतम भार और पूर्वाग्रह मान जानने के लिए, ग्रेडिएंट डिसेंट का इस्तेमाल करना जो नुकसान को कम करता है.
ग्राफ़ के नीचे दिए गए तीन टास्क पूरे करें.
टास्क #1: ग्राफ़ के नीचे मौजूद लर्निंग रेट स्लाइडर अडजस्ट करें. इससे सीखने की दर 0.03. ग्रेडिएंट डिसेंट चलाने के लिए, शुरू करें बटन पर क्लिक करें.
मॉडल ट्रेनिंग को एक साथ लाने में कितना समय लगता है (तय सीमा तक पहुंचने पर) वैल्यू कम होती है)? मॉडल कन्वर्जेंस में एमएसई की वैल्यू क्या है? क्या वज़न और पूर्वाग्रह मान यह मान देते हैं?
टास्क #2: वज़न रीसेट करने के लिए, ग्राफ़ के नीचे रीसेट करें बटन पर क्लिक करें और ग्राफ़ में पूर्वाग्रह मान. लर्निंग रेट स्लाइडर को आस-पास की वैल्यू पर अडजस्ट करें 1.10e–5. ग्रेडिएंट डिसेंट चलाने के लिए, शुरू करें बटन पर क्लिक करें.
आपने इस बारे में क्या देखा कि मॉडल को ट्रेनिंग देने में कितना समय लगता है इस बार?
टास्क #3: वज़न रीसेट करने के लिए ग्राफ़ के नीचे रीसेट करें बटन पर क्लिक करें और बायस वैल्यू को ग्राफ़ में देखा जा सकता है. लर्निंग रेट स्लाइडर को एक लेवल तक बढ़ाएं या घटाएं. ग्रेडिएंट डिसेंट चलाने के लिए, शुरू करें बटन पर क्लिक करें.
ग्रेडिएंट डिसेंट के चलने पर लॉस वैल्यू पर क्या असर पड़ता है? यह मॉडल कितने समय तक ट्रेनिंग लेने की ज़रूरत नहीं है?