همانطور که احتمالا می دانید، روشهای متفاوتی برای پیدا کردن مشتق به صورت اتوماتیک وجود دارد. معمولا به عنوان برنامه نویس شبکه عصبی، درگیر محاسبات مسیر رفت می شویم و به مسیر بازگشت اهمیت نمی دهیم. با این حال دانستن عملیاتی که در مسیر برگشت و روشی که فریمورک به کار می برد، از اهمیت بالایی برخوردار است. در این ویدیو بیشتر با این موضوع آشنا می شوید.
مشتق گیری اتوماتیک
نوشته شده بوسیله:
کامران پناهی
کارشناسی ارشد هوش مصنوعی
علاقه مند به یادگیری عمیق
مطالب مشابه
مقالات
اشاره کرده بودیم که transformer ها باعث تحولی در شبکه های عصبی شده اند و …
یکی از مواردی که لازم است به خصوص کسانی که تازه درسشان تمام شده لحاظ …
یکی از قابلیتهای جالب و کمتر شناختهشدهی پایتون، جداکنندهی عددی است. در خواندنِ اعداد، اگر …
یکی از شبکه هایی که در ایران کمتر شناخته شده است و معمولا در سرفصلهای …
یکی از مواردی که معمولا دانشجویان سال اولی ارشد و دکتری به درستی رعایت نمی …
دوره های آموزشی
زبان پایتون در چند سال اخیر به زبانی پرطرفدار تبدیل شده است. یکی از دلایل …
یادگیری عمیق گونهای از الگوریتمهای یادگیری ماشین است که وابسته به انجام تعداد زیادی محاسبه …
به دلایل متفاوت، لازم است که در کد پایتون لاگ گیری داشته باشیم ولی کتابخانه …
حتما دیده اید که کتابخانه هایی مثل Pytorch یا Tensorflow هم در سایتشان، هم در …
معماری تبدیلکننده، یک معماری شبکهی عصبی و یادگیری عمیق است که در سال 2017 ارایه …