Función SOFTMAX - REDES NEURONALES - (Parte 3)
Vložit
- čas přidán 29. 08. 2024
- En este video, continúo con la introducción a Deep Learning y presento la función Softmax, que es la función de activación más común en clasificadores multi-clase, y permite interpretar los valores de salida de la red neuronal como probabilidades. En el siguiente video, explicaré la función de Costo, utilizada para medir de forma cuantitativa qué tan buenos son los parámetros actuales de la red neuronal.
Acerca de la serie Fundamentos de Deep Learning con Python y PyTorch:
En esta serie de videos explico qué son las Redes Neuronales (Neural Networks) y qué es Aprendizaje Computacional (Machine Learning) así como Deep Learning. Empezamos con los principios matemáticos fundamentales hasta su implementación en código. Para esto, primero utilizaremos Python y Numpy para entender los principios de programación de Redes Neuronales incluyendo el algoritmo de retropropagación (backpropagation). Con estas bases, presentaremos el framework PyTorch y construiremos modelos más complejos como son Redes Neuronales Convolucionales (Convolutional Neural Networks - CNNs).
About the video series:
In this video series I will explain what Neural Networks are, and how Deep Neural Networks work, from the mathematical principles to their implementation in code. Firstly, we will use pure Python and Numpy to understand the fundamentals including backpropagation for a simple Fully Connected Network, and from there we will build on to Convolutional Neural Networks (CNN) using PyTorch. I will be uploading at least one new video every week until we reach different architectures of CNNs. Then, depending on the response and interest in the series I may cover newer models using Generative Adversarial Networks (GANs), and Recurrent Neural Networks.
Sigo con esta maratón de 53 videos!
4/53 vistos. Viniste a saber qué es softmax? Llegaste al lugar correcto.
Gracias infinitas.
Nuevamente, una excelente y clarísima explicación.
🫶🏽
Muchas gracias! Saludos1
Estudié y trabajé en este ambito durante 3 años, y sinceramente, estoy volviendo a darle caña después de un tiempo desconectado. Me alegro encontrar videos con tal contenido, y con una calidad de video audio y estilo, tan guay!
Eres un máquina Pepe Cantoral!
Simplemente perfecta la explicación, de verdad llegue al lugar correcto!!
Excelente explicación, esto me ha costado mucho entenderlo, pero con vos es super claro!!!! muchas gracias
Muchas gracias, me da mucho gusto que te sea útil! Muchos saludos!
Hola Pepe, primero quiero Agradecer por estos videos que son una maravilla, explicas a la perfección!
Actualmente ando en la Universidad y tengo un proyecto similar a una Tesis, sin pensarlo mucho decide hacer un sistema que detecte plagas en un cultivo, tengo conocimiento en programación con python pero en IA ando por los suelos, pero espero que mi proyecto salga adelante con la ayuda de tus videos!
Muchísimas gracias y una disculpa por tardar tanto en responder! De verdad me motiva muchísimo que el canal ayuda en tu proyecto. Ojalá todo vaya my bien, te mando muchos saludos! Mucho éxito!
Se entiende a la perfección, gracias por el vídeo!
Muchas gracias por tu comentario! Saludos!
Hola Amigo voy a repasar tus videos de esta lista, me parece un muy buen trabajo.
Muchas gracias Agustín, aprecio mucho tu comentario y apoyo al canal. Muchos saludos
Simplemente es perfecto, el tiempo que conlleva explicar paso a paso algo que a simple vista podría suponer algo complejo. Nunca me arrepentiré de haber visto estos vídeos. ❤
De verdad muchas gracias por tu comentario! Me motiva muchísimo para continuar con el proyecto! Espero ya muy pronto estar publicando nuevo contenido! Muchos saludos!
Excelente explicación!
Muchas gracias! Hasta pronto!
excelente contenido!
Muchas gracias! Saludos
Hola Pepe, antes que nada muchas gracias por los videos, una pregunta tendrás algún tipo de información de como trabaja la entropía cruzada con más de dos clases, llevo tiempo buscando información al respecto sin éxito, gracias de antemano¡!
Hola Andrés, muchas gracias por tu comentario y pregunta. De hecho tienes mucha razón, existe más información de casos binarios que multiclase.
Te invito a ver el siguiente video de la serie czcams.com/video/ie-tCP7YYrI/video.html , donde explico la función de entropía cruzada para las mismas tres clases (perro, gato y ave).
Realmente, precisamente utilizo 3 clases porque ya se trata de una clasificación multiclase donde se aplica la misma fórmula para 3, 5, 10 o cualquier número entero k de clases. En el resto de los videos de la playlist, trabajo este ejemplo con tres clases con bastante detalle hasta realizar un loop de entrenamiento completo (incluyendo el proceso de retropropagación), pero este proceso ya es un caso multiclase con tres categorías, pero este proces como te mencioné es el mismo para más clases.
Espero estos videos te ayuden a visualizar como sería la extensión a más clases, donde el principio es el mismo que para las tres clases que explico en los ejemplos.
Te agradezco mucho tu comentario y te mando muchos saludos! Hasta pronto!
@@PepeCantoralPhD, muchísimas gracias, crack¡!
Hola Pepe, el título del video no describe el contenido. Los primeros 11 minutos están dedicados a describir el comportamiento de la red y de la capa oculta, más no de la función softmax y de cómo se comporta o cómo interpretar el resultado de la función.
Hola Marely! Muchas gracias por tu comentario, lo voy a tomar en cuenta para encontrar un mejor título. La idea del título actual es que (dado que el enfoque es desde el punto de vista de redes neuronales), para poder implementar la función Softmax como activación de la última capa de la red neuronal, es necesario pasar por todas las capas. Por esto mi intención es presentar toda la información necesaria para poder implementar la función como última activación de la red. El enfoque del video no es probabilístico en el contexto de variables discretas, no obstante sí menciono que la función Softmax interpreta los "Scores" como probabilidades no normalizadas.
Te agradezco mucho el apoyo al canal y el tiempo dedicado. Muchos Saludos,
que programa es el que usas para tus dibujos?