Comment les modèles apprennent réellement, de la descente de gradient classique à Adam
Les hyperparamètres sont des choix d'entraînement fixés en dehors des paramètres appris : taux d'apprentissage, taille de batch, décroissance des poids, durée du warmup, dropout, largeur du modèle, et bien d'autres.
🔒 This is a Pro lesson — the interactive figure, worked examples, quiz and practice open with Pro access.
▶ Recherche d'hyperparamètres