Índice
Símbolos
A
- gradientes acumulados, Codificación de la acumulación de gradientes, Acumulación de gradientes para los pesos en una RNN
- Funciones de activación, Conexión con el cerebro, Una nota sobre las funciones de activación -Un término medio: Tanh
- autoencodificadores, Un enfoque para situaciones sin etiqueta alguna - Implementaciónde un autoencodificador en PyTorch
- diferenciación automática(autodiff), Diferenciación automática-Explicación delo ocurrido
- puesta encomún media, capas de puesta en común
B
- retropropagación, La respuesta, El paso hacia atrás
- paso atrás
- códigoque describe, Código que describevisualmente estos gradientes
- diagrama que representa, Diagrama
- descripción matemática, Matemáticas-Larespuesta
- multiplicación matricial por lotes, Convolucionesmediante multiplicación matricial-Convolucionesmediante multiplicación matricial
- Formación por lotes, Implantación de la formación por lotes
- Término de sesgo, Los Bloques de Construcción de las Redes Neuronales: Capas, Bloques de construcción sobre bloques de construcción, Gradiente de la pérdida respecto a los términos de sesgo
- Laramificación, La limitación clave: Manejar la ramificación-Lalimitación clave: Manejar la ramificación
C
- regla de la cadena
- retropropagación y, La respuesta
- código descriptivo, Código-Código
- definida, La regla de la cadena
- diagrama que representa ...
Get Aprendizaje profundo desde cero now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
