Como os modelos realmente aprendem, do gradiente descendente simples ao Adam
O recorte de gradiente limita o quão grande uma atualização pode tornar-se. Se um batch produzir um gradiente enorme, o recorte reduz a sua escala antes do passo do otimizador.
🔒 This is a Pro lesson — the interactive figure, worked examples, quiz and practice open with Pro access.
▶ Recorte de Gradiente