Dasar-Dasar Neural Network
Apa yang sebenarnya dihitung sebuah neural network, kenapa nonlinearitas adalah intinya, dan bagaimana bobotnya belajar.
- 4 pelajaran
- 1j 20m
- 7 simulasi
Tensor, autograd, nn.Module, DataLoader, dan pelatihan di GPU — PyTorch secukupnya untuk bekerja sendiri.
Hanya saran, tidak pernah mengunci — Anda bisa mulai di sini.
Judul dan ringkasan setiap pelajaran terbuka untuk umum. Isi pelajarannya terbuka setelah Anda memiliki jalurnya.
Semua pelajaran di Pengantar Deep Learning & Neural NetworkBentuk, broadcasting, dan bagaimana PyTorch merekam operasi untuk menghitung gradien.
Menyusun lapisan, parameter, dan mode train/eval tanpa kejutan.
Batching, shuffling, dan augmentasi yang tidak membuat GPU menunggu.
Memindahkan pelatihan ke GPU, dan kapan float16/bfloat16 aman dipakai.
Apa yang sebenarnya dihitung sebuah neural network, kenapa nonlinearitas adalah intinya, dan bagaimana bobotnya belajar.
Optimizer, jadwal learning rate, inisialisasi, normalisasi, dan regularisasi — hal-hal yang membuat pelatihan benar-benar konvergen.
Konvolusi, pooling, dan arsitektur CNN — kenapa berbagi bobot membuat gambar bisa dipelajari.
Dari RNN dan LSTM ke self-attention — arsitektur di balik setiap LLM modern.