La necessità di ottimizzare

Introduzione al Deep Learning in Python

Dan Becker

Data Scientist and contributor to Keras and TensorFlow libraries

Una rete neurale di base

ch2_1_v3.002.png

Introduzione al Deep Learning in Python

Una rete neurale di base

ch2_1_v3.003.png

Introduzione al Deep Learning in Python

Una rete neurale di base

ch2_1_v3.004.png

Introduzione al Deep Learning in Python

Una rete neurale di base

ch2_1_v3.005.png

Introduzione al Deep Learning in Python

Una rete neurale di base

ch2_1_v3.006.png

Introduzione al Deep Learning in Python

Una rete neurale di base

ch2_1_v3.007.png

Introduzione al Deep Learning in Python

Una rete neurale di base

ch2_1_v3.008.png

Introduzione al Deep Learning in Python

Una rete neurale di base

ch2_1_v3.009.png

Introduzione al Deep Learning in Python

Una rete neurale di base

ch2_1_v3.010.png

Introduzione al Deep Learning in Python

Previsioni con più punti

  • Fare previsioni accurate è più difficile con più punti
  • Per ogni insieme di pesi, ci sono molti valori di errore
  • ... uno per ciascun punto su cui facciamo previsioni
Introduzione al Deep Learning in Python

Funzione di perdita

  • Aggrega gli errori di molti punti in un unico numero
  • Misura le prestazioni predittive del modello
Introduzione al Deep Learning in Python

Perdita a errore quadratico

ch2_1_v3.019.png

Introduzione al Deep Learning in Python

Perdita a errore quadratico

ch2_1_v3.020.png

Introduzione al Deep Learning in Python

Perdita a errore quadratico

ch2_1_v3.021.png

Introduzione al Deep Learning in Python

Funzione di perdita

ch2_1_v3.023.png

Introduzione al Deep Learning in Python

Funzione di perdita

ch2_1_v3.024.png

Introduzione al Deep Learning in Python

Funzione di perdita

ch2_1_v3.025.png

Introduzione al Deep Learning in Python

Funzione di perdita

  • Perdita più bassa = modello migliore
  • Obiettivo: trovare i pesi che minimizzano la perdita
  • Discesa del gradiente
Introduzione al Deep Learning in Python

Discesa del gradiente

  • Immagina un campo buio pesto
  • Vuoi trovare il punto più basso
  • Tocca il terreno per sentirne la pendenza
  • Fai un piccolo passo in discesa
  • Ripeti finché è in salita in ogni direzione
Introduzione al Deep Learning in Python

Passi della discesa del gradiente

  • Parti da un punto casuale
  • Finché non sei in una zona piatta:
    • Trova la pendenza
    • Fai un passo in discesa
Introduzione al Deep Learning in Python

Ottimizzare un modello con un solo peso

ch2_1_v3.042.png

Introduzione al Deep Learning in Python

Ottimizzare un modello con un solo peso

ch2_1_v3.044.png

Introduzione al Deep Learning in Python

Ottimizzare un modello con un solo peso

ch2_1_v3.045.png

Introduzione al Deep Learning in Python

Ottimizzare un modello con un solo peso

ch2_1_v3.046.png

Introduzione al Deep Learning in Python

Ottimizzare un modello con un solo peso

ch2_1_v3.047.png

Introduzione al Deep Learning in Python

Ottimizzare un modello con un solo peso

ch2_1_v3.048.png

Introduzione al Deep Learning in Python

Ottimizzare un modello con un solo peso

ch2_1_v3.049.png

Introduzione al Deep Learning in Python

Ottimizzare un modello con un solo peso

ch2_1_v3.050.png

Introduzione al Deep Learning in Python

Ottimizzare un modello con un solo peso

ch2_1_v3.051.png

Introduzione al Deep Learning in Python

Passiamo alla pratica!

Introduzione al Deep Learning in Python

Preparing Video For Download...