Adjust at the end
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 4/5
- Tempo stimato
- 3-5 giorni
- Idoneità per principianti
- 45/100
- Tipo di issue
- Bug
- Chiarezza
- Abbastanza chiara
- Stato di attività
- Ferma
- Stack tecnologico
- javascript
- Ambito
- machine-learning
Direzione di ricerca
Inizia individuando nel repository il codice di training e back-propagation e riproduci il caso XOR descritto nell’issue. Verifica che i delta dei pesi rimangano disponibili fino al completamento del passaggio completo di back-propagation, quindi verifica che il training di XOR converga senza richiedere 50000 iterazioni.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Hi,
I don't know if it was already said, but it is still not fixed in the code.
When you are training your model, you calculate the weights_deltas between hidden layer and output layer.
But you are updating your weights too early, you are using the new weights to calculate deltas for previous weights (for back-propagation).
You have to keep deltas in memory then update at the end after the rest.
That's why your model takes a lot of time to be trained for the XOR problem. It shouldn't be that long. By memory you have took 50000 iterations. That is too big for a problem like this.
Keep going ^^.
P.S.: Sorry if my english is not perfect, it is not my main natural language.
- Lingua principale
- JavaScript
- Stelle
- 437
- Fork
- 242
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di CodingTrain/Toy-Neural-Network-JS
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 20/100
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 35/100
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 30/100
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 20/100
CodingTrain/Toy-Neural-Network-JS#149 · 1 commento ·
-
Gradient OptimizationAperta
Difficoltà 3/5 1-2 giorni Idoneità per principianti 42/100
Tutte le issue di CodingTrain/Toy-Neural-Network-JS
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
swc-project/swc#12516 ·
I maintainer di solito rispondono entro 1 giorno
-
feature-request
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
omegaup/omegaup#10323 · 1 commento ·
I maintainer di solito rispondono entro 5 giorni
-
area/frontend good first issue kind/cooldown
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
kestra-io/kestra#20702 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
Form-data fields are not parsed when importing a cURL requestForse già presa @aayushbaluni l’ha presa oggi. Apertabug status-new
Difficoltà 2/5 1-3 ore Idoneità per principianti 69/100
I maintainer di solito rispondono entro 1 giorno
-
bug MVP
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
saayam-for-all/webapp#1911 ·
I maintainer di solito rispondono entro 1 giorno