ЛР5
Словарик и методы

Словарик и методы

Краткие расшифровки и частые ловушки.

ЗаписьЧто означает
shapeРазмеры массива, например (360, 64).
axis=0Операция вдоль строк: сворачиваем объекты и сохраняем признаки.
axis=-1Последнее измерение, обычно классы или нейроны.
keepdims=TrueНе удалять суммированное измерение, удобно для broadcasting.
broadcastingАвтоматическое повторение совместимого массива, например bias для всех строк.
@Матричное умножение.
*Умножение поэлементно.
.TТранспонирование матрицы.
np.eye(K)[y]Создать one-hot метки классов.
argmax(axis=1)Номер максимального класса для каждой строки.
random_seedНачальное состояние генератора случайности.
learning_rateРазмер шага изменения весов.
fit / transformВыучить параметры преобразования / применить уже выученные.
macro-F1Среднее F1 по классам с одинаковым весом каждого класса.
log lossШтраф за низкую вероятность правильного класса.
ЯкобианМатрица производных каждого выхода по каждому входу.
batchНабор объектов одного шага; в нашей сети вся учебная выборка.
ЛогитыНеограниченные числовые оценки перед Softmax.

Проверь себя

Что такое модель в переменной?

Объект NeuralNetwork, внутри список слоёв с массивами обучаемых весов и сдвигов.

Зачем два метода forward?

NeuralNetwork.forward проходит все слои. Layer.forward обрабатывает только один слой.

Где проверка производных?

После четырёх классов находится блок «Проверки формул и обратного прохода»: PyTorch и численные разности для целой сети.