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