Procura de Hiperparâmetros

Como os modelos realmente aprendem, do gradiente descendente simples ao Adam

Os hiperparâmetros são escolhas de treino definidas fora dos parâmetros aprendidos: taxa de aprendizagem, tamanho de batch, decaimento de pesos, duração do aquecimento, dropout, largura do modelo, e muitos outros.

🔒 This is a Pro lesson — the interactive figure, worked examples, quiz and practice open with Pro access.

▶ Procura de Hiperparâmetros
← Inicialização e Escala de SinalWhat Makes a Model Learn? →