El grafo computacional y la diferenciación automática
Sobre este vídeo
El grafo computacional y la diferenciación automática, en acción.
Un grafo computacional representa una función como una red de operaciones elementales. La diferenciación automática recorre ese grafo para calcular derivadas exactas: el modo inverso, base de la retropropagación, obtiene el gradiente de todos los pesos en una sola pasada hacia atrás. Es el mecanismo que hace posible entrenar redes con miles de millones de parámetros.
Transcripción del vídeo
- 0:01 Un grafo computacional divide el cálculo en operaciones:
- 0:05 multiplicamos a por b y sumamos c.
- 0:08 Hacia atrás, la diferenciación automática aplica la regla de la cadena:
- 0:12 la derivada respecto a a vale 2, y respecto a b, 3.
Más vídeos
Explicación
Firecrawl: datos web para agentes
Si escribes tu propio crawler: robots.txt, una cola por host y 304 Not Modified hacen que la opción cortés sea también la barata.
Explicación
El bucle agéntico y el patrón ReAct
El bucle agéntico (razonar, actuar, observar) en movimiento.
Explicación
Cómo instalar SearXNG con Docker
Un uso de la instancia propia: un agente de IA que encuentra sus propias fuentes consultando SearXNG, sin pagar por búsqueda.
Explicación
El momentum en el descenso de gradiente
Cómo el momentum acumula velocidad y suaviza el descenso de gradiente.
Explicación
Retropropagación, la derivación matemática paso a paso
La derivación de la retropropagación, factor a factor con la regla de la cadena.
Explicación
Retropropagación, la intuición detrás del aprendizaje
La intuición de la retropropagación: el error fluye hacia atrás por la red.