এআই শব্দকোষের মেয়াদ

গ্রেডিয়েন্ট ডিসেন্ট কী?

সংজ্ঞা

একটি অপ্টিমাইজেশান পদ্ধতি যা প্যারামিটারগুলিকে সেই দিকে আপডেট করে যা ত্রুটি হ্রাস করে৷

ডিপিও (ডাইরেক্ট প্রেফারেন্স অপ্টিমাইজেশান)একটি প্রশিক্ষণ পদ্ধতি যা একটি পৃথক পুরস্কার মডেলের প্রয়োজন ছাড়াই সরাসরি পছন্দের জোড়ায় মডেলগুলিকে সূক্ষ্ম-টিউন করে৷গ্রেডিয়েন্টক্ষতি কমাতে প্রতিটি পরামিতি কতটা পরিবর্তন করা উচিত তা দেখানো একটি ভেক্টর।ব্যাকপ্রপাগেশনমূল প্রশিক্ষণ অ্যালগরিদম যা নেটওয়ার্কের মাধ্যমে পূর্বাভাস ত্রুটিগুলিকে পিছনের দিকে প্রচার করে মডেল ওজন আপডেট করে।পক্ষপাতডেটা বা মডেল আচরণে ত্রুটি বা অন্যায়ের একটি ধারাবাহিক প্যাটার্ন।লেবেল স্মুথিংএকটি নিয়মিতকরণ পদ্ধতি যা সাধারণীকরণের উন্নতি করতে হার্ড লেবেলগুলিকে নরম করে।শেখার হারএকটি প্রশিক্ষণ হাইপারপ্যারামিটার প্রতিটি আপডেট ধাপে কতটা পরামিতি পরিবর্তন করে তা নিয়ন্ত্রণ করে।

আমাদের বিনামূল্যের গাইডে আরও জানুন

আরও দেখুন