पाठ्यक्रम 246 में से पाठ 27 · Module 2: गणित और probability, बस ज़रूरत भर
Module 2: गणित और probability, बस ज़रूरत भर

एक धक्का आगे बढ़ाना (chain rule)

यह क्यों मायने रखता है एक network functions के अंदर functions है। chain rule बताता है कि शुरुआत का एक धक्का अंत तक कैसे यात्रा करता है। Backpropagation इससे ज़्यादा कुछ नहीं।

इसे देखें

तीन steps: x को दोगुना करें, फिर 1 जोड़ें, फिर वर्ग करें। x = 2 से शुरू करें: दोगुना 4 देता है, 1 जोड़ना 5 देता है, वर्ग 25 देता है।

अब x को एक नन्ही मात्रा से धकेलें। दोगुना करना धक्के को 2 गुना बड़ा बनाता है। 1 जोड़ना उसे उसी आकार का छोड़ता है (गुणा 1)। 5 पर वर्ग करना उसे 2 गुणा 5 = 10 से गुणा करता है। इसलिए अंत धक्के का 2 गुणा 1 गुणा 10 = 20 गुना हिलता है।

Chain rule: steps की एक कतार की ढलान हर step की अपनी ढलान का गुणनफल है, हर एक वहाँ मापी जहाँ वह step है।

धकेलकर जाँचें: x = 2.001 देता है 2 * 2.001 + 1 = 5.002, वर्ग 25.020004। 0.001 के धक्के पर अंत 0.020004 हिला: 20 गुना। यह काम करता है।

सार कतार के साथ स्थानीय ढलानें गुणा करें।

इस पाठ के शब्द और चिह्न
chain rule
कतार में steps की ढलान हर step की अपनी ढलान का गुणनफल है
आपकी बारी

कतार g(x) = (3x - 2) ** 2 है, फिर h(u) = u ** 3, इसलिए अंत h(g(x)) है। chain_slope(x) लिखें जो chain rule से (स्थानीय ढलानें गुणा करके), धकेलकर नहीं, x के सापेक्ष अंत की ढलान लौटाए। ध्यान दें कि g ख़ुद दो steps है, पहले 3x - 2 और फिर वर्ग करना, इसलिए पूरी कतार में तीन steps हैं: तीनों स्थानीय ढलानें गुणा करें, हर एक वहाँ मापी जहाँ उसका step 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।