从编解码和词嵌入开始，一步一步理解Transformer，注意力机制(Attention)的本质是卷积神经网络(CNN)
踏踏实实理解神经网络
（1/8）
自动连播
175.0万播放
简介
订阅合集
从编解码和词嵌入开始，一步一步理解Transformer，注意力机制(Attention)的本质是卷积神经网络(CNN)
01:45:12
学习分享了一年，我把自己对神经网络的理解都整理到了这40分钟的视频里
43:18
什么是SVM，如何理解软间隔？什么是合叶损失函数、铰链损失函数？SVM与感知机横向对比，挖掘机器学习本质
36:38
“交叉熵”如何做损失函数？打包理解“信息量”、“比特”、“熵”、“KL散度”、“交叉熵”
30:17
“损失函数”是如何设计出来的？直观理解“最小二乘法”和“极大似然估计法”
22:07
softmax是为了解决归一问题凑出来的吗？和最大熵是什么关系？最大熵对机器学习为什么非常重要？
59:47
如何理解“梯度下降法”？什么是“反向传播”？通过一个视频，一步一步全部搞明白
49:48
“随机梯度下降、牛顿法、动量法、Nesterov、AdaGrad、RMSprop、Adam”，打包理解对梯度下降法的优化
34:28
【B站AI论坛】欢迎写代码、做产品的AI开发者发帖加入
共建AI开发者交流地>>
顶部