Сравнение фреймворков нейронных сетей: PyTorch, TensorFlow и Keras
Преимущества фреймворков глубокого обучения в разрезе типа графа, открытости, поддержки создания новых операций, качества документации и удобства API.
Как установить PyTorch с CPU и GPU?
Пошаговая установка PyTorch CPU и GPU версии.
Базовая математика для нейронных сетей
Математика для работы с нейронными сетями: поэлементные операции с тензорами, индексация тензоров, размер тензора, частные деривативы и полные деривативы.
Процесс обучения в нейронной сети или как работает нейронная сеть
Пошагово разбирается процесс обучения в нейронной сети: прямое распространение, вычисление функции потерь, обнуление градиентов, обратное распространение и процесс оптимизации.
Как происходит процесс прямого распространения в нейронной сети?
Разбираем формулу прямого распространения для линейного слоя.
Как работает функция потерь в нейронной сети?
Описывается работа функции среднеквадратичной ошибки в нейронной сети.
Что происходит когда мы обнуляем градиенты нейронной сети?
Рассматриваем процесс обнуления градиентов в нейронной сети.
Как происходит процесс обратного распространения в нейронных сетях?
Весь процесс описан Python кодом, который разбирается детально с примерами.
Что происходит во время процесса оптимизации в нейронной сети?
Объяснение процесса оптимизации нейронной сети.
Обратитесь к разделу индивидуальное обучение, если у вас остались вопросы.