देखें: backprop और chain rule
gradient descent को एक चीज़ चाहिए: हर इनपुट और भार के सापेक्ष loss का gradient। Backpropagation इसे पाने का तरीका है, और यह बस क्रियाओं के एक graph पर लगाया गया chain rule है।
play दबाएँ। एक छोटे graph (x -> दोगुना -> वर्ग -> L) से एक मान आगे धकेलें, फिर gradient को पीछे की ओर बहते देखें, हर क़दम के स्थानीय gradient से गुणा होते हुए। एक बार देख लेने पर, आप आगे जो autograd engine बनाएँगे वह अब जादू नहीं है।
इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें
यह अभ्यास जल्द खुलेगा
इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।
यह ब्राउज़र learn.floati.life के लिए कुकी रोक रहा है, इसलिए यहाँ पूरे किए गए पाठ क्रम से नहीं खुल सकते। इस साइट के लिए कुकी की अनुमति दें और फिर से लोड करें।