Bekijk: Backprop & the Chain Rule
Gradient descent heeft één ding nodig: de gradiënt van de loss ten opzichte van elke input en weight. Backpropagation is hoe je dit krijgt, en het is gewoon de chain rule toegepast op een grafiek van operaties.
Druk op play. Duw een waarde voorwaarts door een kleine grafiek (x -> double -> square -> L), en kijk dan hoe de gradiënt terugvloeit backward, vermenigvuldigd met de lokale gradiënt van elke stap. Zodra je het ziet, is de autograd engine die je daarna bouwt geen magie meer.
Een probleem ontdekt in deze les? Meld het · Vraag naar deze les
Deze oefening opent binnenkort
Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.
Deze browser blokkeert cookies voor learn.floati.life, dus lessen die je hier hebt afgerond kunnen niet in de juiste volgorde worden geopend. Sta cookies toe voor deze site en laad de pagina opnieuw.