모듈 4: 자기만의 autograd 엔진
합, 평균, reshape, 전치
이 강좌를 전에 들은 적이 있나요?
한 번만 세기 위해서예요. 내 답만 익명의 진행 상황과 함께 보내져요.
왜 중요한가 손실은 합이나 평균이고, 층은 늘 reshape와 전치를 해요. 각각 역방향 규칙이 필요하고, 각 규칙은 한 줄이에요.
- sum(숫자 하나로): 모든 항목이 기울기 1로 기여했으니, 각각 도착하는 기울기를 받아요. 기울기: 입력 모양의 1들 곱하기 out.grad.
- mean: 합 곱하기 1/size. sum과 곱셈으로 만들면 자기 규칙이 필요 없어요.
- reshape: 값은 재배열될 뿐이니, 기울기를 입력의 모양으로 다시 reshape하세요.
- transpose: 기울기를 다시 전치하세요.
요약 숫자를 옮기면 기울기도 같은 식으로 되돌려 옮겨져요.
이 레슨의 단어와 기호
- Tensor
- 여기서는: 배열 더하기 그 기울기 더하기 그것이 나온 Tensor들
- .grad
- 이 Tensor에 대한 최종 손실의 기울기
- unbroadcast
- 기울기를 늘어나기 전의 모양으로 다시 합해 줄이기
내 차례
역방향 규칙과 함께 sum, mean, reshape, T 속성을 쓰세요.
레슨 완료. 잘했어요.
이 연습은 곧 열려요
앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.
이 브라우저가 learn.floati.life의 쿠키를 막고 있어서, 여기서 마친 레슨들이 순서대로 열리지 않아요. 이 사이트의 쿠키를 허용하고 새로고침하세요.