本系列博文详细介绍了从头开始训练简单神经网络的过程。第一部分介绍了用于摄氏度到华氏度转换的单神经元模型概念，解释了它如何进行预测以及如何使用损失函数来衡量其错误。第二部分在此基础上，介绍了梯度和优化器步骤，演示了模型如何通过反复的前向传播、损失计算、梯度计算和参数更新的循环来调整其参数，从而学习正确的转换。 AI
影响 解释了神经网络训练的基础机制，这对于理解 AI 模型如何学习和改进至关重要。
排序理由 该集群描述了神经网络训练的基本过程，包括前向传播、损失、梯度和优化器步骤等概念，这是机器学习的一个核心研究主题。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
<p><em>Phase 2 of 8: Enough ML to understand inference. Week 6 of 32, part 2 of 2.</em></p> <p>Part 1 built a one-neuron model that converts Celsius to Fahrenheit, made it<br /> predict, and scored how wrong it was with a single number, the loss. With random<br /> starting values…
<p><em>Phase 2 of 8: Enough ML to understand inference. Week 6 of 32, part 1 of 2.</em></p> <p>Every week so far, the model already existed. I ran Phi-4, read Qwen's files, and<br /> measured tensors, but I never made a model learn anything. This week I build one<br /> from scrat…