शून्य से न्यूरल नेटवर्क बनाएं, एक-एक करके छोटी फ़ाइलों के साथ

विशेषताएं

• फ़ाइलेंread_file, write_file, edit_file, move_file, copy_file, list_dir, grep और glob चैट की वर्किंग फ़ोल्डर में काम करते हैं; एक काउंटर बनाई गई, संपादित और पढ़ी गई फ़ाइलों की संख्या दिखाता है।
• Shellटर्मिनल कमांड्स जैसे आपका ट्रेनिंग कमांड और टेस्ट्स को Windows, WSL या SSH के माध्यम से चलाता है और वास्तविक एग्जिट कोड रिपोर्ट करता है। खतरनाक कमांड्स ब्लॉक किए गए हैं।
• Webweb_search वेब पर खोजता है और http_get एक दस्तावेज़ पेज पढ़ता है, ताकि एजेंट किसी एरर मैसेज के अर्थ को खोज सके।
• Screenshots और imagesgen_image असली इमेज फ़ाइलें सेव करता है, और ocr एक सेव किए गए स्क्रीनशॉट से टेक्स्ट पढ़ता है, उदाहरण के लिए एक लॉस चार्ट पर नंबर जो आपने कैप्चर किए हैं।
• Orchestrationtask पैरेलल सब-एजेंट्स चलाता है, run_on_model एक बड़े मॉडल को एक कठिन स्टेप भेजता है, और skill एक रीयूजेबल प्लेबुक स्टोर करता है जिसे आप फिर से चला सकते हैं।
• Approval modesAuto-run तुरंत एक्शन लेता है, Ask first उन एक्शन्स से पहले रुक जाता है जो कुछ बदलते हैं और स्वीकार करने के लिए डीफ़ दिखाता है, और Plan only एक प्लान लिखता है और कुछ नहीं चलाता।
• Cronएक शेड्यूल पर एक प्रॉम्प्ट चलाता है, उदाहरण के लिए हर रात एक छोटे एक्सपेरिमेंट को फिर से चलाने और उसका लॉस एक CSV फ़ाइल में लिखने के लिए जिसे आप अगले दिन पढ़ सकते हैं।
• Modelsएक क्लाउड मॉडल को एक स्टैंडर्ड API एंडपॉइंट के माध्यम से या अपने PC पर एक मॉडल को कनेक्ट करें, या बिल्ट-इन मॉडल का उपयोग करें जो आपके अपने एंडपॉइंट के बिना तैयार है।

वॉकथ्रू

सादे Python में परसेप्ट्रॉन लिखें

परसेप्ट्रॉन को समझना पहला कदम है जब आप Python में शून्य से न्यूरल नेटवर्क बनाना चाहते हैं। आप एक छोटी फ़ाइल के लिए पूछते हैं, और write_file एक सादे Python फ़ाइल बनाता है जिसमें उदाहरणों की एक छोटी सूची और एक न्यूरॉन होता है जो AND गेट को एक फिक्स्ड लर्निंग रेट के साथ एक छोटे लूप में वजन अपडेट करके सीखता है। Shell इसे आपके PC पर चलाता है और चैट कार्ड में वजन प्रिंट करता है, वास्तविक एग्जिट कोड के साथ। यदि आपको अपने पहले न्यूरल नेटवर्क में मदद चाहिए, तो एक न्यूरॉन से शुरू करें। किसी फ्रेमवर्क की जरूरत नहीं है, और फ़ाइल इतनी छोटी है कि एक बार में पढ़ी जा सके। Ask first मोड में आप नई फ़ाइल को कार्ड में पढ़ते हैं और सेव होने से पहले उसे स्वीकार करते हैं, फिर आप प्रिंट किए गए वजन को खुद चेक करते हैं।

ओवरफिटिंग खोजें और कम करें

ओवरफिटिंग तब दिखाई देता है जब ट्रेनिंग लॉस लगातार गिरता रहता है जबकि अलग वैलिडेशन डेटा पर लॉस बेहतर होने या बढ़ने में रुक जाता है। grep आपके लॉग में दोनों लॉस कॉलम के लिए खोजता है, और read_file ट्रेनिंग स्क्रिप्ट खोलता है ताकि एजेंट मॉडल साइज और किसी रेगुलराइजेशन सेटिंग्स को देख सके। सामान्य समाधान अधिक डेटा, एक छोटा मॉडल, रेगुलराइजेशन या अर्ली स्टॉपिंग हैं। हर एक्सपेरिमेंट को छोटा और दोहराने योग्य रखें, ताकि नंबरों में बदलाव का एक स्पष्ट कारण हो। edit_file के साथ आपको समीक्षा के लिए एक डीफ़ मिलता है, और Ask first मोड में कुछ भी सेव नहीं होता जब तक आप इसे स्वीकार न करें। Shell फिर आपका टेस्ट कमांड फिर से चलाता है और एग्जिट कोड लौटाता है, और आप मॉडल द्वारा न देखे गए डेटा पर बदलाव से पहले और बाद में वैलिडेशन लॉस की तुलना करते हैं, टेस्ट सेट को अंत तक अछूता छोड़कर।

इनपुट शेप एरर ठीक करें

एक इनपुट शेप एरर का मतलब है कि नेटवर्क को दिए गए डेटा की पहली लेयर से मेल नहीं खाती, इसलिए आपकी स्क्रिप्ट एक एरर मैसेज के साथ रुक जाती है जो दो शेप्स को बताता है जिन्हें मेल नहीं किया जा सका। न्यूरल नेटवर्क के लिए इनपुट शेप डेटा से मेल खाना चाहिए, और आउटपुट शेप लेबल्स की संख्या से मेल खाना चाहिए। एजेंट read_file के साथ आपका न्यूरल नेटवर्क कोड Python में खोलता है, grep का उपयोग लेयर डिफ़िनिशन्स और बैच रीशेपिंग की जगह खोजने के लिए करता है, और edit_file के साथ एक लाइन का बदलाव सुझाता है। Plan only कुछ नहीं चलाता, इसलिए पहले इसे पढ़ने के लिए उपयोग करें। फिर Ask first पर स्विच करें, डीफ़ स्वीकार करें, Shell को स्क्रिप्ट फिर से चलाने दें और एग्जिट कोड पर भरोसा करने के बजाय खुद प्रिंट किए गए शेप्स को पढ़ें।

ट्रेनिंग मेट्रिक्स को एक CSV फ़ाइल में लॉग करें

एक्सपेरिमेंट्स की तुलना करने के लिए आपको हर एपॉक का लॉस एक फ़ाइल में चाहिए, न कि केवल स्क्रीन पर। write_file एक लॉस लॉग बनाता है, या append_file हर एपॉक के बाद एक पंक्ति जोड़ता है, और read_file आपकी स्क्रिप्ट में उस जगह को खोजता है जहां लॉस की गणना की जाती है। edit_file लॉगिंग लाइन्स जोड़ता है और एक डीफ़ दिखाता है। Shell आपका ट्रेनिंग कमांड चलाता है और वास्तविक आउटपुट और एग्जिट कोड चैट कार्ड में लौटाता है। Ask first स्क्रिप्ट बदलने से पहले रुक जाता है, ताकि आप पहले कार्ड में नई लाइनें पढ़ सकें। बाद में CSV फ़ाइल खोलें, 2 रन को साइड-बाय-साइड रखें और नोट करें कि आपने कौन से सेटिंग्स बदले हैं, फिर बदलाव रखें। फ़ाइल आपकी वर्किंग फ़ोल्डर में प्लेन टेक्स्ट है, और read_file अगली चैट में इसे फिर से लोड कर सकता है ताकि आप जहां रुके थे, वहां से जारी रख सकें।