Vytvořte neuronovou síť od nuly, soubor po souboru

Funkce

• Souboryread_file, write_file, edit_file, move_file, copy_file, list_dir, grep a glob fungují v pracovním adresáři chatu; počítadlo ukazuje, kolik souborů bylo vytvořeno, upraveno a přečteno.
• Shellspouští příkazy terminálu, jako je váš příkaz pro trénink nebo testy, ve Windows, WSL nebo přes SSH, a hlásí skutečný exit kód. Nebezpečné příkazy jsou blokovány.
• Webweb_search hledá na webu a http_get čte jednu stránku dokumentace, takže agent může zjistit význam chybového hlášení.
• Snímky obrazovky a obrázkygen_image ukládá skutečné soubory s obrázky a ocr čte text ze zachyceného snímku obrazovky, například čísla z grafu ztráty, který jste zachytili.
• Orchestracetask spouští paralelní sub-agenty, run_on_model posílá příkaz většímu modelu a skill ukládá opakovatelný postup, který můžete znovu spustit.
• Režimy schvalováníAuto-run provede akci okamžitě, Ask first se před akcemi, které něco mění, pozastaví a zobrazí diff k přijetí, a Plan only napíše plán a nic nespustí.
• Cronspouští prompt podle harmonogramu, například pro každodenní opakování malého experimentu v noci a zápis jeho ztráty do CSV souboru, který si příští den přečtete.
• Modelypřipojte cloudový model přes standardní koncový bod API nebo model na vašem vlastním PC, nebo použijte vestavěný model, který je připraven bez vašeho vlastního koncového bodu.

Průvodce

Napište perceptron v obyčejném Pythonu

Pochopení perceptronu je prvním krokem, když chcete vytvářet neuronové sítě od nuly v Pythonu. Požádáte o malý soubor a write_file vytvoří obyčejný Python skript s malým seznamem příkladů a jedním neuronem, který se naučí hradlo AND s pevnou rychlostí učení v krátké smyčce aktualizací vah. Shell ho spustí na vašem PC a vytiskne váhy v kartě chatu spolu se skutečným exit kódem. Pokud potřebujete pomoc s první neuronovou sítí, začněte s jedním neuronem. Žádný framework není potřeba a soubor je dostatečně krátký na to, abyste ho přečetli najednou. V režimu Ask first si nový soubor v kartě přečtete a přijmete ho, než se uloží, a poté si zkontrolujete vytisknuté váhy sami.

Najděte a snižte přeučení

Přeučení se projeví, když ztráta při tréninku neustále klesá, zatímco ztráta na validačních datech přestává klesat nebo roste. grep prohledá váš log pro oba sloupce ztrát a read_file otevře skript pro trénink, aby agent viděl velikost modelu a nastavení regularizace. Častými řešeními jsou více dat, menší model, regularizace nebo brzké zastavení. Udržujte každý experiment malý a opakovatelný, aby změna v číslech měla jednu jasnou příčinu. S edit_file získáte diff k revizi a v režimu Ask first se nic neuloží, dokud ho nepřijmete. Shell poté znovu spustí testovací příkaz a vrátí exit kód a vy porovnáte validační ztrátu před a po změně na datech, která model neviděl, přičemž testovací sada zůstane nedotčena až do konce.

Opravte chybu vstupního tvaru

Chyba vstupního tvaru znamená, že data dodávaná do sítě neodpovídají první vrstvě, takže skript skončí s chybovým hlášením, které uvádí dva tvary, které se nepovedlo shodovat. Vstupní tvar pro neuronové sítě musí odpovídat datům a výstupní tvar musí odpovídat počtu štítků. Agent otevře váš kód neuronové sítě v Pythonu pomocí read_file, použije grep k nalezení definic vrstev a místa, kde se batche přetvářejí, a navrhne změnu na jeden řádek pomocí edit_file. Plan only nic nespustí, takže ho použijte nejprve k přečtení vysvětlení. Poté přepněte na Ask first, přijměte diff, nechte Shell znovu spustit skript a přečtěte si vytisknuté tvary sami místo toho, abyste spoléhali pouze na exit kód.

Logujte metriky tréninku do CSV souboru

Pro srovnání experimentů potřebujete ztrátu každé epochy v souboru, ne jen na obrazovce. write_file vytvoří log ztrát, append_file přidá jeden řádek po každé epochě a read_file najde místo ve skriptu, kde se ztráta vypočítává. edit_file přidá řádky pro logování a zobrazí diff. Shell spustí příkaz pro trénink a vrátí skutečný výstup a exit kód v kartě chatu. Ask first se pozastaví před změnou skriptu, takže si můžete nejprve přečíst nové řádky v kartě. Otevřete CSV soubor poté, umístěte dva běhy vedle sebe a poznamenejte si, které nastavení jste změnili, než změnu ponecháte. Soubor je obyčejný text ve vašem pracovním adresáři a read_file ho může znovu načíst v dalším chatu, abyste pokračovali tam, kde jste přestali.