الموترات والاشتقاق التلقائي
فهم كيف يحسب PyTorch المشتقات تلقائياً.
الهدف: كتابة خطوة تدريب يدوية في TensorFlow وترجمتها بـ tf.function.
import tensorflow as tf
tf.random.set_seed(0)
x = tf.random.normal((256, 1)); y = 3 * x + 2 + 0.1 * tf.random.normal((256, 1))
w, b = tf.Variable(0.0), tf.Variable(0.0)
opt = tf.keras.optimizers.SGD(0.1)
@tf.function
def step():
with tf.GradientTape() as tape:
loss = tf.reduce_mean((w * x + b - y) ** 2)
opt.apply_gradients(zip(tape.gradient(loss, [w, b]), [w, b]))
return loss
for i in range(100):
loss = step()
print(f"w={w.numpy():.3f} b={b.numpy():.3f} loss={loss.numpy():.4f}")
GradientTape يسجل العمليات لحساب التدرجات، وtf.function يحول الدالة إلى رسم حسابي أسرع. نلائم خطاً مستقيماً y = 3x + 2 مع ضوضاء ونتحقق من تقارب المعاملات.
w=3.003 b=1.999 loss=0.0111
نُفّذ هذا المثال فعلياً واختُبر بتاريخ 21 نوفمبر 2026 على CPU — tensorflow 2.21.0, python 3.13.18
فهم كيف يحسب PyTorch المشتقات تلقائياً.
كتابة حلقة التدريب والتقييم يدوياً على بيانات مصطنعة.
تركيب تحويلات الدوال: الاشتقاق والتوجيه والترجمة.
الأقسام
لا يوجد قسم بهذا الاسم. اضغط «بحث» للبحث في محتوى الموقع كله.
المفضلة
نتائجي وشهاداتي
تقدّمي في الأكاديميةنتائج اختباراتيتقدّم الأطفالشهادات الأكاديميةشهادات الاختباراتابدأ أي درس أو اختبار وسيظهر هنا لتعود إليه بسرعة.
الإعدادات
أنا المساعد الذكي لأطر ومكتبات الذكاء الاصطناعي. صف مشروعك أو اسألني عن مكتبة أو مقارنة أو مثال برمجي، وسأجيبك من قاعدة بيانات الموسوعة مع الروابط والمصادر.
يجيب من قاعدة بيانات الموسوعة فقط، دون نموذج لغوي ودون إرسال سؤالك إلى أي جهة خارجية.
قد يخطئ المساعد أحياناً، فراجع المصادر المرفقة.