今天继续打卡,学习了第七课函数式自动微分。
神经网络的训练主要使用反向传播算法,模型预测值与正确标签送入损失函数获得loss,然后进行反向传播计算,求得梯度。
下面用一个简单的单层线形变化模型进行介绍。
函数与计算图,计算图式用图论语言表示数学函数的一种方法,也是深度学习框架表达神经网络模型的统一方法。
微分函数与梯度计算,为了优化模型参数,我们通常需要求参数对于loss的导数。
神经网络梯度计算,由于我们的神经网络构造是继承自面对对象编程范式nn.Cell,接下来我们将使用Cell构造同样的神经网络,利用函数自动微分来实现反向传播。
执行微分函数,可发现梯度值与前文function求得梯度值一致。