反向传播的微积分｜深度学习 第4章 - 3Blue1Brown - 中配

旁白_B

合集 · 神经网络 - 3Blue1Brown (10)

  1. 36:03
    但什么是神经网络？| 深度学习 第1章 - 3Blue1Brown - 中配
  2. 40:38
    梯度下降：神经网络如何学习｜深度学习 第2章 - 3Blue1Brown - 中配
  3. 24:58
    反向传播，直观理解 | 深度学习 第3章 - 3Blue1Brown - 中配
  4. 19:59
    反向传播的微积分｜深度学习 第4章 - 3Blue1Brown - 中配
  5. 15:42
    大语言模型简要解释 - 3Blue1Brown - 中配
  6. 53:37
    Transformer：大语言模型背后的技术 | 深度学习 第5章 - 3Blue1Brown - 中配
  7. 51:54
    Transformer中的注意力机制，一步步讲解 | 深度学习 第6章 - 3Blue1Brown - 中配
  8. 44:29
    大语言模型可能是如何存储事实的 | 深度学习 第7章 - 3Blue1Brown - 中配
  9. 1:06:34
    但交叉熵是什么？｜压缩即智能 第2部分 - 3Blue1Brown - 中配
  10. 1:12:45
    但AI图像和视频实际上是如何工作的？| Welch Labs 客座视频 - 3Blue1Brown - 中配

Parts

  1. P1 · 配音
  2. P2 · 原声
Description 
本集从微积分视角拆解反向传播：先以每层只有一个神经元的简化网络为例，用链式法则和偏导数表示代价函数对权重扰动的敏感度，并把S型函数、线性整流函数等非线性纳入求导；随后推广到多神经元多层网络，说明单样本代价需取平均。反向传播虽推导复杂，却是神经网络学习的中坚力量，值得暂停消化。
----------------------------------------------------------------
00:00:04 引言
00:00:37 网络中的链式法则
00:03:38 计算相关导数
00:04:22 这些导数意味着什么？
00:05:14 对权重和偏置的敏感性
00:06:14 含有额外神经元的层
00:08:39 回顾
----------------------------------------------------------------
原标题：Backpropagation calculus | Deep Learning Chapter 4
原作者：3Blue1Brown
发布日期：2017-11-03
视频链接：https://www.youtube.com/watch?v=tIeHLnjs5U8

Comments

旁白_B 26d ago

如果你们因为看不懂而感到沮丧——去年的我就是这样。后来我去自学了导数，再回来看，突然就全懂了。看到努力有回报的感觉真的太爽了。别放弃！

♥ 2 ↩ 2

旁白_B 26d ago

不是没人能做高质量的数学/计算机视频，而是这哥们能把东西讲得让你一下子就通了。

♥ 2

给你机会你不中用吗 21d ago

观看英文版请跳转至P2

旁白_B 26d ago

“当你的课直观到连PyTorch官方文档都推荐给别人看”