Sıfırdan sinir ağı oluşturun; adım adım küçük dosyalarla

Özellikler

• Dosyalarread_file, write_file, edit_file, move_file, copy_file, list_dir, grep ve glob sohbetin çalışma klasöründe çalışır; oluşturulan, düzenlenen ve okunan dosyaların sayısını gösteren bir sayaç bulunur.
• ShellWindows, WSL veya SSH üzerinden eğitim komutlarınızı ve testlerinizi gibi terminal komutlarını çalıştırır ve gerçek çıkış kodunu bildirir. Tehlikeli komutlar engellenir.
• Webweb_search interneti arar ve http_get tek bir dokümantasyon sayfasını okur, böylece ajan bir hata mesajının anlamını arayabilir.
• Ekran görüntüleri ve resimlergen_image gerçek resim dosyaları kaydeder ve ocr, kaydedilmiş bir ekran görüntüsünden metni okur; örneğin, yakaladığınız bir kayıp grafiğindeki sayılar.
• Orkestrasyontask paralel alt ajanları çalıştırır, run_on_model büyük bir modele zorlu bir adım gönderir ve skill, tekrar çalıştırabileceğiniz kullanılabilir bir playbook depolar.
• Onay modlarıAuto-run hemen hareket eder, Ask first bir şeyleri değiştiren eylemlerden önce duraklar ve kabul etmek için diff'i gösterir; Plan only bir plan yazar ve hiçbir şey çalıştırmaz.
• Cronbir programa göre bir prompt çalıştırır; örneğin, her gece küçük bir deneyi yeniden çalıştırmak ve kaybını bir CSV dosyasına yazmak, bunu ertesi gün okuyabilirsiniz.
• Modellerstandart bir API uç noktası üzerinden bulut bir modele bağlanın veya kendi PC'nizdeki bir modeli kullanın; veya kendi uç noktanıza gerek duymadan hazır olan yerleşik modeli kullanın.

Adım adım kılavuzlar

Saf Python ile bir algılayıcı yaz

Algılayıcıyı anlamak, Python'da sıfırdan sinir ağları oluşturmak istediğinizde ilk adımdır. Küçük bir dosya istersiniz ve write_file, örneklerin küçük bir listesi ve sabit bir öğrenme oranıyla kısa bir ağırlık güncelleme döngüsünde VE mantığını öğrenen tek bir nöron içeren saf bir Python dosyası oluşturur. Shell, PC'nizde çalıştırır ve ağırlıkları sohbet kartında, gerçek çıkış koduyla birlikte yazdırır. İlk sinir ağınıza yardıma ihtiyacınız varsa, tek bir nöronla başlayın. Bir framework'e gerek yoktur ve dosya tek seferde okunacak kadar kısadır. Ask first modunda karttaki yeni dosyayı okursunuz ve kaydedilmeden önce kabul edersiniz, ardından yazdırılan ağırlıkları kendiniz kontrol edersiniz.

Aşırı öğrenmeyi bul ve azalt

Aşırı öğrenme (overfitting), eğitim kaybı düşmeye devam ederken ayrı bir doğrulama verisindeki kaybın iyileşmeyi bırakması veya artması durumunda ortaya çıkar. grep, günlüklerinizde her iki kayıp sütununu arar ve read_file eğitim betiğini açar böylece ajan model boyutunu ve herhangi bir düzenlileştirme ayarlarını görebilir. Yaygın çözümler daha fazla veri, daha küçük bir model, düzenlileştirme veya erken durdurmadır. Her deneyi küçük ve tekrarlanabilir tutun, böylece sayılardaki bir değişikliğin tek bir açık nedeni olsun. edit_file ile gözden geçirebileceğiniz bir diff alırsınız ve Ask first modunda kabul etmeden önce hiçbir şey kaydedilmez. Shell ardından test komutunuzu yeniden çalıştırır ve çıkış kodunu döndürür; modelin görmediği verilerle, test kümesini sona kadar dokunmadan bırakarak değişikliğin ardından doğrulama kaybını karşılaştırırsınız.

Bir giriş boyutu hatasını düzelt

Bir giriş boyutu hatası, ağa beslenen verilerin ilk katmanla eşleşmediği anlamına gelir, bu nedenle betiğiniz eşleştiremediği 2 boyutu adlandıran bir hata mesajıyla durur. Sinir ağları için giriş boyutu veriyle eşleşmelidir ve çıkış boyutu etiket sayısıyla eşleşmelidir. Ajan, read_file ile Python'daki sinir ağı kodunuzu açar, katman tanımlarını ve topluların yeniden şekillendirildiği yeri bulmak için grep kullanır ve edit_file ile tek satırlık bir değişiklik önerir. Plan only hiçbir şey çalıştırmaz, bu yüzden önce açıklamayı okumak için bunu kullanın. Ardından Ask first'a geçin, diff'i kabul edin, Shell'in betiği yeniden çalıştırmasına izin verin ve tek başına çıkış koduna güvenmek yerine yazdırılan boyutları kendiniz okuyun.

Eğitim metriklerini bir CSV dosyasına günlüğe kaydet

Deneyleri karşılaştırmak için her epoch'un kaybını ekranda değil, bir dosyada ihtiyacınız vardır. write_file bir kayıp günlüğü oluşturur veya append_file her epoch'tan sonra bir satır ekler ve read_file betiğinizde kaybın hesaplandığı yeri bulur. edit_file günlük kaydı satırlarını ekler ve bir diff gösterir. Shell eğitim komutunuzu çalıştırır ve gerçek çıktıyı ve çıkış kodunu sohbet kartında döndürür. Ask first betik değiştirilmeden önce duraklar, böylece yeni satırları kartta önce okuyabilirsiniz. Ardından CSV dosyasını açın, 2 çalışmayı yan yana koyun ve değişikliği korumadan önce hangi ayarları değiştirdiğinizi not edin. Dosya çalışma klasörünüzde düz metindir ve read_file, durduğunuz yere devam etmek için bir sonraki sohbette bunu tekrar yükleyebilir.