딥러닝 워크북

	A	B	D	E	F	H	I	J
1	온도	판매량	W	B	Loss	예측 (w*온도+b)	예측 - 판매량	(예측 - 판매량)^2
2	21	42	0.61	0.98	964.2443	13.79	-28.21	795.8041
3	22	44	dLoss / dW	dLoss / dB	prevLoss	14.4	-29.6	876.16
4	23	46	-2.8669	-0.5799	0.0068	15.01	-30.99	960.3801
5	24	48	next W	next B	dLoss / dt	15.62	-32.38	1048.4644
6	25	50	0.6128669	0.9805799	9642375	16.23	-33.77	1140.4129
7					dt
8	초기값 생성기				0.0001		mse	964.2443
9	0.59
10		수식	history			워크북 이용방법
11		판매량 = 0.61 * 온도 + 0.98	w	b	loss	1. 초기값 생성기를 통해 나오는 값을 복사하여 W와 B값을 넣어준다.
12		0.02 * 온도 + 0.79	0.61	0.98	964.2443	2. 결과인 W, B 그리고 자동으로 생성되는 Loss 값을 복사하여 history에 넣는다.
13		2.08 * 온도 + 0.87	2.08	0.87	7.3569	3. prevLoss 에 Loss 값을 복사하여 넣어준다.
14		1.95 * 온도 + 0.86	1.95	0.86	0.0891	4-1. W값을 0.0001을 더한 값으로 고쳐주고 dLoss / dt의 값 변화를 관찰한다.
15		판매량 = 1.96 * 온도 + 0.86	1.96	0.86	0.0068	4-2. 결과값 dLoss / dt를 dLoss / dW에 넣어준다.
16						4-3. W값을 원래대로 고친다.
17						5-1. B값을 0.0001을 더한 값으로 고쳐주고 dLoss / dt의 값을 관찰한다.
18						5-2. 결과값 dLoss / dt를 dLoss / dB에 넣어준다.
19						5-3. B값을 원래대로 고친다.
20						6. next W, next B의 값을 복사하여 W, B에 넣어주고 Loss를 확인한다.
21						7. 2번부터 다시 반복한다.
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100