- Esecutori
-
Impara
Impara Python Esempi eseguibili, NumPy, pandas e altro Impara l'IAReti neurali, ML e LLM da zero Impara C e C++ Puntatori, memoria, STL e C++ moderno Impara C#Fondamenti, OOP, LINQ, async ed esercizi .NET Algoritmi Python Ricerca, ordinamento, ricorsione e visualizzazioni O(n) Algoritmi C e C++ Confronta le implementazioni in C e C++
- SfideNuovo
Sfide di programmazione su Reti neurali
Esercitati su Reti neurali con 17 sfide di programmazione, dalle più facili alle più difficili. Ogni sfida gira nel browser, con test immediati, una revisione del tuo codice da parte dell'IA e soluzioni della community da confrontare.
Facile · 7 Media · 8 Difficile · 2
Competenze che allenerai: Discesa del gradienteRegola della catenaRetropropagazioneAdamAddestrare reti neuraliApprendimento onlineAttivazioniCicli di addestramentoCorrezione del biasDerivateEntropia incrociataGradienti
- Python · C++ · C#
- Test automatici
- Revisione AI
- Soluzioni della community
- 226
- Sfide
- 2
- Soluzioni condivise
- 3
- Linguaggi
Tutte le sfide
Cerca per argomento, linguaggio o difficoltà.
Media
Algoritmo di apprendimento del percettrone
Addestra il percettrone originale, che aggiorna i pesi solo quando sbaglia.
Imparerai
PerceptronApprendimento online
Nessuna soluzione ancora
Media
Propagazione in avanti in una rete a due strati
Fai passare gli input attraverso uno strato nascosto ReLU e uno strato di output sigmoide.
Imparerai
Propagazione in avantiReti multistrato
Nessuna soluzione ancora
Facile
Funzioni di attivazione
Applica sigmoide, ReLU, Leaky ReLU o tanh a ogni valore di una lista.
Imparerai
SigmoideReLU e tanh
Nessuna soluzione ancora
Media
Normalizzazione di layer
Normalizza ogni riga a media 0 e varianza 1, poi scala e trasla, come fa ogni blocco Transformer.
Imparerai
Layer normalizationTransformer
Nessuna soluzione ancora
Media
Gradienti di un singolo neurone
Usa la regola della catena per capire come cambia la perdita con ogni peso e il bias di un neurone sigmoide.
Imparerai
Regola della catenaGradienti
Nessuna soluzione ancora
Facile
Funzioni di perdita: MSE, MAE ed entropia incrociata
Misura quanto sono sbagliate le previsioni di un modello con l'errore quadratico medio, l'errore assoluto medio o l'entropia incrociata binaria.
Imparerai
MSEEntropia incrociata
Nessuna soluzione ancora
Facile
Un singolo neurone artificiale
Calcola l'output di un neurone: somma pesata degli input più un bias, passata attraverso la sigmoide.
Imparerai
NeuroniSomme pesate
Nessuna soluzione ancora
Facile
Derivate delle funzioni di attivazione
Calcola la derivata di sigmoid, ReLU, Leaky ReLU o tanh in ogni valore, le pendenze di cui ha bisogno la retropropagazione.
Imparerai
DerivateRetropropagazione
Nessuna soluzione ancora
Media
Propagazione in avanti in uno strato denso
Calcola gli output di uno strato di neuroni completamente connesso con l'attivazione che preferisci.
Imparerai
Layer densiAttivazioni
Nessuna soluzione ancora
Difficile
Retropropagazione in una rete a due strati
Calcola tutti i gradienti di pesi e bias di una rete con uno strato nascosto sigmoide e un output sigmoide.
Imparerai
RetropropagazioneRegola della catena
Nessuna soluzione ancora
Media
Discesa del gradiente a mini-batch
Addestra un modello lineare aggiornando i pesi dopo ogni piccolo batch invece che dopo l'intero dataset.
Imparerai
Mini-batchDiscesa del gradiente
Nessuna soluzione ancora
Facile
Discesa del gradiente con momentum
Applica aggiornamenti con momentum che conservano parte del passo precedente, così l'addestramento accelera nelle direzioni costanti.
Imparerai
MomentumOttimizzatori
Nessuna soluzione ancora
Facile
Inizializzazione dei pesi Xavier e He
Calcola l'intervallo o la deviazione standard usati per inizializzare i pesi di uno strato.
Imparerai
Inizializzazione Xavier e HeStabilità dell'addestramento
Nessuna soluzione ancora
Difficile
Addestra una rete neurale a risolvere lo XOR
Metti tutto insieme: addestra una rete sigmoide 2-2-1 con la retropropagazione finché non impara lo XOR.
Imparerai
Addestrare reti neuraliProblema XOR
Nessuna soluzione ancora
Media
Ottimizzatore Adam
Implementa Adam, l'ottimizzatore predefinito del deep learning, con medie mobili e correzione del bias.
Imparerai
AdamCorrezione del bias
Nessuna soluzione ancora
Media
Addestra un neurone con la discesa del gradiente
Ripeti propagazione in avanti, calcolo dei gradienti e aggiornamento dei pesi per insegnare a un neurone sigmoide dagli esempi.
Imparerai
Discesa del gradienteCicli di addestramento
Nessuna soluzione ancora
Facile
Prodotto scalare di due vettori
Moltiplica due vettori elemento per elemento e somma i risultati, l'operazione alla base di ogni neurone.
Imparerai
VettoriProdotto scalare
Nessuna soluzione ancora
Sfoglia per argomento
- Beginner 95
- ai 47
- apprendimento automatico 42
- Strings 36
- Arrays 31
- math 21
- Simulation 19
- Reti neurali 17
- Numbers 16
- Advanced 15
- Dynamic-programming 12
- Parsing 12
- Competitive-programming 10
- Conditions 9
- Graphs 8
- Grids 8
- Loops 8
- Pattern di progettazione 8
- Recursion 7
- Combinatorics 6
- Number-theory 6
- Sorting 6
- Functions 5
- Greedy 5
- Nested-loops 5
- Sequences 5
- Stacks 5
- Variables 5
- Algorithms 4
- Data-structures 4
- Geometry 4
- Patterns 4
- Apprendimento per rinforzo 3
- Dictionaries 3
- Fractions 3
- Sliding-window 3
- Trees 3