Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Dalam latihan ini, Anda akan meninjau kembali grafik data efisiensi bahan bakar dari
Latihan parameter. Namun, kali ini, Anda akan
menggunakan gradien turun untuk mempelajari nilai bobot dan bias yang optimal untuk model linear
yang meminimalkan kerugian.
Selesaikan tiga tugas di bawah grafik.
Tugas #1: Sesuaikan penggeser Learning Rate di bawah grafik untuk menetapkan
kecepatan pemelajaran 0,03. Klik tombol Start untuk menjalankan gradient descent.
Berapa lama pelatihan model berlangsung hingga konvergen (mencapai nilai loss minimum
yang stabil)? Berapa nilai MSE pada konvergensi model? Nilai bobot dan bias
apa yang menghasilkan nilai ini?
Klik ikon plus untuk melihat solusi kami
Saat kita menetapkan kecepatan pembelajaran 0,03, model akan berkonvergensi setelah
sekitar 30 detik, mencapai MSE yang sedikit di bawah 3 dengan nilai bobot dan
bias masing-masing –2,08 dan 23,098. Hal ini menunjukkan bahwa kita telah
memilih nilai rasio pembelajaran yang baik.
Tugas #2: Klik tombol Reset di bawah grafik untuk mereset nilai Berat dan
Bias dalam grafik. Sesuaikan penggeser Learning Rate ke nilai sekitar
1,10e–5. Klik tombol Start untuk menjalankan gradient descent.
Apa yang Anda perhatikan tentang waktu yang diperlukan pelatihan model untuk berkonvergensi
kali ini?
Klik ikon plus untuk melihat solusinya
Setelah beberapa menit, pelatihan model masih belum berkonvergensi. Update
kecil pada nilai Bobot dan Bias terus menghasilkan nilai
kerugian yang sedikit lebih rendah. Hal ini menunjukkan bahwa memilih kecepatan pembelajaran yang lebih tinggi akan
memungkinkan gradien menurun untuk menemukan nilai bobot dan bias yang optimal dengan lebih
cepat.
Tugas #3: Klik tombol Reset di bawah grafik untuk mereset nilai Berat
dan Bias dalam grafik. Sesuaikan penggeser Kecepatan Pemelajaran hingga 1.
Klik tombol Start untuk menjalankan gradient descent.
Apa yang terjadi pada nilai loss saat penurunan gradien berjalan? Berapa lama waktu yang diperlukan untuk melakukan pelatihan
model agar dapat berkonvergensi kali ini?
Klik ikon plus untuk melihat solusinya
Nilai kerugian berfluktuasi secara drastis pada nilai tinggi (MSE lebih dari 300).
Hal ini menunjukkan bahwa kecepatan pembelajaran terlalu tinggi, dan pelatihan model
tidak akan pernah mencapai konvergensi.
[[["Mudah dipahami","easyToUnderstand","thumb-up"],["Memecahkan masalah saya","solvedMyProblem","thumb-up"],["Lainnya","otherUp","thumb-up"]],[["Informasi yang saya butuhkan tidak ada","missingTheInformationINeed","thumb-down"],["Terlalu rumit/langkahnya terlalu banyak","tooComplicatedTooManySteps","thumb-down"],["Sudah usang","outOfDate","thumb-down"],["Masalah terjemahan","translationIssue","thumb-down"],["Masalah kode / contoh","samplesCodeIssue","thumb-down"],["Lainnya","otherDown","thumb-down"]],["Terakhir diperbarui pada 2025-03-11 UTC."],[],[]]
