بناء شبكة عصبية من الصفر، ملف صغير في كل مرة

الميزات

• الملفاتتعمل read_file وwrite_file وedit_file وmove_file وcopy_file وlist_dir وgrep وglob في مجلد العمل الخاص بالمراسلة؛ يعرض العداد عدد الملفات التي تم إنشاها أو تحريرها أو قراءتها.
• Shellيشغّل أوامر الطرفية مثل أمر التدريب والاختبارات، في Windows أو WSL أو عبر SSH، ويعرض رمز الخروج الفعلي. يتم حظر الأوامر الخطرة.
• الويبتبحث web_search في الويب ويقرأ http_get صفحة توثيق واحدة، بحيث يمكن للوكيل البحث عن معنى رسالة الخطأ.
• لقطات الشاشة والصورتحفظ gen_image ملفات صور حقيقية، وتقرأ ocr النص من لقطة شاشة محفوظة، على سبيل المثال الأرقام على مخطط الخسارة الذي التقطته.
• التنسيقيشغّل task وكلاء فرعيين متوازيين، ويرسل run_on_model خطوة صعبة إلى نموذج أكبر، ويخزن skill دليلًا قابلاً لإعادة الاستخدام يمكنك تشغيله مرة أخرى.
• أوضاع الموافقةيعمل Auto-run فورًا، ويوقف Ask first قبل الإجراءات التي تغير شيئًا ويعرض الفرق لقبوله، ويكتب Plan only خطة ولا يشغّل شيئًا.
• Cronيشغّل موجهًا حسب الجدول الزمني، على سبيل المثال لإعادة تشغيل تجربة صغيرة كل ليلة وكتابة خسارتها إلى ملف CSV تقرأه في اليوم التالي.
• النماذجاربط نموذجًا سحابيًا عبر نقطة نهاية API قياسية أو نموذجًا على جهاز الكمبيوتر الخاص بك، أو استخدم النموذج المدمج، الذي يكون جاهزًا دون الحاجة إلى نقطة نهاية خاصة بك.

دليل الاستخدام

كتابة مستشعر (Perceptron) بـ Python عادي

فهم المستشعر هو الخطوة الأولى عندما تريد بناء الشبكات العصبية من الصفر في Python. تطلب ملفًا صغيرًا، وينشئ write_file ملف Python عادي يحتوي على قائمة صغيرة من الأمثلة وعصبون واحد يتعلم بوابة AND بمعدل تعلم ثابت في حلقة قصيرة لتحديث الأوزان. يشغّل Shell الملف على جهاز الكمبيوتر الخاص بك ويطبع الأوزان في بطاقة الدردشة، مع رمز الخروج الفعلي. إذا كنت بحاجة إلى مساعدة في شبكتك العصبية الأولى، ابدأ بعصبون واحد. لا حاجة لإطار عمل، والملف قصير بما يكفي لقراءته دفعة واحدة. في وضع Ask first، تقرأ الملف الجديد في البطاقة وتقبله قبل حفظه، ثم تتحقق من الأوزان المطبوعة بنفسك.

العثور على الإفراط في التخصيص وتقليله

يظهر الإفراط في التخصيص (Overfitting) عندما تستمر خسارة التدريب في الانخفاض بينما تتوقف الخسارة على بيانات التحقق المنفصلة عن التحسن أو تزداد. يبحث grep في السجل عن عمودي الخسارة، ويفتح read_file سكريبت التدريب ليتمكن الوكيل من رؤية حجم النموذج وأي إعدادات التنظيم. العلاجات الشائعة هي المزيد من البيانات، نموذج أصغر، التنظيم أو التوقف المبكر. اجعل كل تجربة صغيرة وقابلة للتكرار، بحيث يكون للتغيير في الأرقام سبب واضح واحد. مع edit_file تحصل على فرق للمراجعة، وفي وضع Ask first لا يتم حفظ أي شيء قبل قبوله. ثم يعيد Shell تشغيل أمر الاختبار ويعيد رمز الخروج، وتقارن خسارة التحقق قبل التغيير وبعده على بيانات لم يرها النموذج، مع ترك مجموعة الاختبار دون لمس حتى النهاية.

تصحيح خطأ شكل الإدخال

يعني خطأ شكل الإدخال أن البيانات المقدمة للشبكة لا تتوافق مع الطبقة الأولى، لذا يتوقف السكريبت برسالة خطأ تذكر الشكلين اللذين لم يتطابقا. يجب أن يتطابق شكل الإدخال للشبكات العصبية مع البيانات، ويجب أن يتطابق شكل الإخراج مع عدد التصنيفات. يفتح الوكيل كود الشبكة العصبية الخاص بك في Python باستخدام read_file، ويستخدم grep للعثور على تعريفات الطبقات والمكان الذي يتم فيه إعادة تشكيل الدُفعات، ويقترح تغييرًا في سطر واحد باستخدام edit_file. يعمل Plan only بدون تشغيل أي شيء، لذا استخدمه أولاً لقراءة الشرح. ثم انتقل إلى Ask first، وافق على الفرق، دع Shell يعيد تشغيل السكريبت واقرأ الأشكال المطبوعة بنفسك بدلاً من الاعتماد على رمز الخروج وحده.

تسجيل مقاييس التدريب في ملف CSV

لمقارنة التجارب، تحتاج إلى خسارة كل حقبة في ملف، وليس فقط على الشاشة. ينشئ write_file سجل الخسارة، أو يضيف append_file صفًا واحدًا بعد كل حقبة، ويحدد read_file المكان في السكريبت حيث يتم حساب الخسارة. يضيف edit_file أسطر التسجيل ويعرض الفرق. يشغّل Shell أمر التدريب الخاص بك ويعيد المخرجات الفعلية ورمز الخروج في بطاقة الدردشة. يوقف Ask first قبل تغيير السكريبت، بحيث يمكنك قراءة الأسطر الجديدة في البطاقة أولاً. افتح ملف CSV بعد ذلك، ضع تشغيلين جنبًا إلى جنب ولاحظ الإعدادات التي غيرتَها قبل الاحتفاظ بالتغيير. الملف نص عادي في مجلد العمل الخاص بك، ويمكن لـ read_file تحميله مرة أخرى في الدردشة التالية للاستمرار حيث توقفت.