Deep Learning con Python y PyTorch - ¿Cómo ajustar el LEARNING RATE de una Red Neuronal?

Código generado: https://github.com/JACantoral/DL_fundamentals/blob/main/fundamentals_DL_PyTorch_learning_rate.ipynb Código para procesar MNIST: https://github.com/JACantoral/DL_fundamentals/blob/main/get_images.py Uno de los hyper-parámetros más importantes durante el entrenamiento de una red neuronal es, sin lugar a dudas, el learning rate. En este video muestro una estrategia de muestreo, para ajustar el learning rate a un valor óptimo. Para esto, primero buscaremos en un intervalo logarítmico amplio, que permita seleccionar un intervalo más fino de posibles learning rates. Después, repetiremos el proceso haciendo la búsqueda en un intervalo más pequeño. Así, lograremos incrementar nuestro accuracy de 96% a 98%. Es importante notar que este proceso puede ser utilizado en el ajuste de otros hyper-parámetros y no depende del framework utilizado, es decir puede usarse con PyTorch como en este ejemplo, TensorFlow o incluso Python. Acerca de la serie Fundamentos de Deep Learning con Python y PyTorch: En esta serie de videos explico qué son las Redes Neuronales (Neural Networks) y qué es Aprendizaje Computacional (Machine Learning) así como Deep Learning. Empezamos con los principios matemáticos fundamentales hasta su implementación en código. Para esto, primero utilizaremos Python y Numpy para entender los principios de programación de Redes Neuronales incluyendo el algoritmo de retropropagación (backpropagation). Con estas bases, presentaremos el framework PyTorch y construiremos modelos más complejos como son Redes Neuronales Convolucionales (Convolutional Neural Networks - CNNs). About the video series: In this video series I will explain what Neural Networks are, and how Deep Neural Networks work, from the mathematical principles to their implementation in code. Firstly, we will use pure Python and Numpy to understand the fundamentals including backpropagation for a simple Fully Connected Network, and from there we will build on to Convolutional Neural Networks (CNN) using PyTorch. I will be uploading at least one new video every week until we reach different architectures of CNNs. Then, depending on the response and interest in the series I may cover newer models using Generative Adversarial Networks (GANs), and Recurrent Neural Networks.