Notice
Recent Posts
Recent Comments
Link
반응형
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- summarize_chat_history
- conditional_edge
- langgraph
- pinecone
- chat_history
- 강화학습의 수학적 기초와 알고리듬 이해
- tool_calls
- subgraph
- RecSys
- human-in-the-loop
- conditional_edges
- removemessage
- rag
- Python
- REACT
- update_state
- LangChain
- toolnode
- 강화학습
- rl
- 추천시스템
- lcel
- 밑바닥부터 시작하는 딥러닝
- langgrpah
- 강화학습의 수학적 기초와 알고리듬의 이해
- add_subgraph
- tool_binding
- humannode
- Ai
- 밑바닥부터시작하는딥러닝 #딥러닝 #머신러닝 #신경망
Archives
- Today
- Total
반응형
목록딥러닝 (1)
반응형
타임트리
5장 오차역전파법
신경망 학습에서 가중치 매개변수에 대한 손실 함수의 기울기를 수치 미분으로 구했다. 수치 미분은 구현하기 쉽지만 계산 시간이 오래 걸린다는 큰 단점이 있다. 따라서 이번 장에서는 기울기를 효율적으로 계산하는 오차역전파법(backpropagation)을 다룬다. 5.1 계산 그래프¶ 계산 그래프(computational graph)는 계산 과정을 복수의 노드(node)와 엣지(edge)로 표현한 것이다. 5.1.1 계산 그래프로 풀다¶ 계산 그래프에서 노드는 원으로 표기하고 원 안에는 연산 내용을 적는다. 또한, 계산 결과를 화살표 위에 적어 각 노드의 계산 결과가 왼쪽에서 오른쪽으로 전달한다. 계산 그래프의 사용법을 간단히 알아보기 위해 다음의 문제를 생각해보자. 1개에 100원짜리 사과 2개를 구입했다..
Deep Learning/밑바닥부터 시작하는 딥러닝1
2022. 2. 4. 04:45