PyTorch: redes neuronales para bloques funcionales
El entrenamiento de un algoritmo de aprendizaje profundo implica los siguientes pasos:
- Construyendo una canalización de datos
- Construyendo una arquitectura de red
- Evaluación de la arquitectura mediante una función de pérdida
- Optimización de los pesos de la arquitectura de red mediante un algoritmo de optimización
El entrenamiento de un algoritmo de aprendizaje profundo específico es el requisito exacto de convertir una red neuronal en bloques funcionales como se muestra a continuación:
Con respecto al diagrama anterior, cualquier algoritmo de aprendizaje profundo implica obtener los datos de entrada, construir la arquitectura respectiva que incluye un montón de capas incrustadas en ellos.
Si observa el diagrama anterior, la precisión se evalúa utilizando una función de pérdida con respecto a la optimización de los pesos de la red neuronal.