? 接下来 , 见证神奇的事情:代码真的跑起来了!看到真的连AI代码都能运行起来 , 而且整体实现时间不超过半小时 , 我开始担心了我是否之后要失业!
? 但是跑起来是跑起来了 , 剩下的是专业性的错误了 。发现出现了梯度爆炸 , 损失函数没有收敛!!!不应该呀 , 又去仔细看了一下代码 , 代码是标准的BP网络的写法呀 , 一时间想不到原因 , 那也问问它吧!
? 经过它这么一提示 , 我去仔细检查了一下数据 , 发现确实数据集出了问题 , 结果值是1和2!但是网络的输出只能是0-1 , 这就导致了损失值爆炸的原因 , 不可能收敛 , 于是去手动修改了数据集结果值 , 把2改为了0 。
? ok , 这下又出现了超正常的情况
? 哦对 , 确实欸 , 为了防止过拟合 , 层是常用的 , 怎么把这个都给忘了 , 看来机器确实强大啊!永远不会遗忘…
文章插图
? 可以看到 , 已经在上面加入了层 , 丢弃概率为0.5 。这下应该没问题了吧 。
? 好家伙 , 更离谱了
? 准确率直接干到了100% , 作为一个经常炼丹的玩家 , 连大模型都从来无法拉到100% , 一个简单的BP直接拉满 , 离大谱 。那好吧 , 它建议用交叉验证 , 那就用一下吧 。
? 发现 , 这个回答并没有写在我们的代码里 , 而是单独写了一段 , 应该是自己的提问有问题 , 还是不够详细具体 , 没有指明让他写到之前的代码里 。这里后续就不赘述了 。
? 写到这里 , 这个任务的一个简单BP网络代码+交叉验证就已经写好了 , 并且可以正常运行了 , 碰巧笔者略有忘记交叉验证这一块的内容了 , 那就让扮演一下老师的角色吧!看看它是否称职 。
? 发现 , 讲的还是挺全面细致的 , 对于那些有一定知识积累的朋友 , 想必看完立马就能明白了 , 但是对于小白来说可能还是无法深入理解 。所以 , 总结来说 , 真正的知识还是得靠自己学 , 仅靠无法教会你真正的原理 , 只能起到锦上添花的作用 , 不能做到一劳永逸 。
? 最后 , 笔者为了增加用户的体验性 , 还让给我设计了一个简单的GUI操作界面 , 相关的调教指令这里就不再赘述了 , 相信通过上面的教程 , 大家都知道了如何给它下命令了 , 这里就给大家自我发挥的空间 , 调教出一个专属于你的吧!下面是我的 , 不断优化了很多遍 , 最终还不错吧 。因为笔者十分十分十分(此处N项)讨厌任何前端 , 所以感觉能做成这样 , 我已经很满意了哈哈哈毕竟不用自己写? 。
?
三、个人总结 3.1 总体感觉
? 通过本次利用做了一个简单的BP分类任务 , 发现体验还是不错的 , 因为笔者本身有相关的DL学习基础 , 所以整体使用并未遇到任何知识性难题 , 对于给出的各项建议和专业术语 , 阅读起来也十分流畅 。
3.2 收获心得
? 不得不说 , 一些遗忘的知识点 , 借助可以快速回顾起来 , 一些自己知道可以用来优化/调试的方法由于不常用导致忘记的 , 可以针对性地帮助你想到 , 而不用用传统浏览器搜索 , 往往由于问题十分宽泛以及个性化 , 无法在浏览器上特别快速地找到解决方法 , 而这点也是笔者本次感觉为什么太能提高生产编程效率的一点 。
- chatgpt赋能python:Python编程中如何为角色添加功能
- chatgpt赋能python:Python隐藏窗口:实现更加优雅的UI体验
- chatgpt赋能python:Python如何设计UI:最佳实践和关键洞察
- 玩转ChatGPT:基于Mucloud建立本地知识库
- 简单实现一个ChatGPT Plugin
- 和ChatGPT 比一比谁更懂Kubernetes?
- 文心一言App在苹果AppStore上架;首款搭载ChatGPT的自行车问世;Q
- 智能家居是否可与ChatGPT深度融合?
- 02 ChatGPT 技术演进经历了哪几个过程
- 王琤:当数据治理遇上ChatGPT