How does a neural network work? - Introduction to Deep Learning #3
Vložit
- čas přidán 9. 07. 2024
- In this serie of videos, we'll try to understand how Deep Learning is working, and implement our very network without using library
For this very first video, we try to understand the theory behind a neural network.
This first video is a big test fort me. For the narrative part, the writing, drawings, etc...
Comments and critics are appreciated :)
Some cool concret examples of deep learning:
• Artistic style transfe...
• Flexible Muscle-Based ...
• Neural Network Learns ...
• Terrain Generation Wit...
• Beautiful Layered Mate...
---------
facebook page : / chronophageyt
---------
Musics:
Not For Nothing - Otis McDonald • Not For Nothing - Otis...
SUPER VIDEO ! J'ai du chercher pour trouver une bonne explication claire ! Les illustrations m'ont fait rire, le vidéo se tenait bien. Joli taff 👏🏼👏🏼
c'est limpide! beau travail
Bravo pour ton travail ! C'est super clair, un vrai plaisir 👌
Génial , merci pour cette explication claire et bien décomposée entre cette vidéo et la partie math. Bravo. Toutes mes félicitations.
Impatient de voir la prochaine :)
Bravo pour la vidéo, vivement la suite ;) très intéressant
Excellente vidéo, j'attends la suite avec impatience
très bonne explication on attend le prochaines vidéos
Super vidéo. J'ai hâte d'en voir d'autres :) keep it up
Super ta vidéo je trouve.lexplication est simple pour la compréhension. Mais depuis j'attend la partie mathématique. Je vous remercie
Salut ! J’ai bien aimé ta vidéo, elle est très bien rythmée, les explications sont simples et ça m’a aidé dans mon apprentissage du deep learning.
J’attends avec beaucoup d’impatience la suite de cette vidéo !
Bon courage
Merci énormément pour cette explication très rapide et efficace du deep learning, j'ai actuellement un projet sur ce sujet (1er année à en étude d'info ^^') et je voulais pas passer énormément de temps sur des forums anglophones etc... pour tout comprendre ALORS, MERCI !
Merci beaucoup, continuez!
Je découvre cette chaîne, je valide !
très bonne explication la suite svp ....bonne continuation
Vidéo géniale !
Je ben je te dis bravo c'est très intéressant et tu est captivant
C'est un bot qui parle. *Possessed*
Blague à part, superbe vidéo, merci!
Héhé, plaisir ^^
vraiment une bonne video, j'essayerais de pas louper la prochaine parce que je comprend rien a mon cours :(
merci pour le coup de pouce !
Salut! Si t’as un support écrit je serais carrément partant pour y jeter un œil si possible !
Came over from wizard's slack. I gotta say this is great. Very clear and pretty deep for 6 minutes keep it up. Maybe lower the volume of the background music I found it louder than you at times on my phone. We need more like this in French though thanks a lot.
thanks to you Gary! :D
I will lower the music next time!
Bravo Merci
Nice vidéo
bien expliqué !! bravo, mais j'attends la partie maths !!!! explique comment on corrige ces poids stppp c'est le plus intéressant quand même broooooooooo !! un dernier effort et tu seras le meilleur ;)
Top ta vidéo ! J'espère te revoir bientôt actif ici :) Bonne continuation
super bannière ;)
Très bonnes explications mais on attend toujours xD
Héhé, merci bien :)
C'est avec un retard tout relatif que j'ai le plaisir de teaser la sortie de la prochaine vidéo dans quelques semaine
Super explication a quand la suite😀
Bon là ça fait 10 mois on attend la suite
Bjr ou puis je trouver la partie mathématique ?!! Sauvez moi
Salut, quelqu'un aurait la suite ? Je n'arrive pas à la trouver :'(
bonjour chronophage,
je me demande ce qui fait la performance du système (son intelligence) comparée à un autre. C'est la quantité de neurones ? la quantité de valeur qu'ils peuvent prendre (0 à 10) dans ton exemple. y a t-il une notion de vitesse qui vient en ligne de compte ? un système plus intelligent trouverait la solution plus vite, mais cette vitesse est lié à la vitesse de calcul de l'ordinateur. si le système n'a pas le temps de calculer une chose avant de pouvoir y réagir, y a t-il quelque chose de cet ordre.
Haha, beaucoup de questions, ça vas être dur de répondre à tout de manière exhaustive ^^
La quantité de neurones a bel et bien une influence sur "l'intelligence" d'un réseau.
Mais un réseau avec beaucoup trop de layers et de neurones peut etre moins efficace qu'un autre plus léger, et adapté au probleme à traiter.
Et c'est trés dur de savoir quelles seront les meilleurs dimensions avant d'avoir testé.
Mais certains algorithmes sont developé dans ce but la : tester plusieurs dimensions differentes et voir laquelle marche le mieux.
Les valeur qu'il peut prendre.. Tu parle des outputs? Ceux là n'ont pas d'incidence directe sur l'apprentissage en lui meme, non.
C'est plutot la valeur des poids et biais qui s'occuper de l'evolution.
Pour le dernier point je ne suis pas certain d'avoir parfaitement compris, mais c'est assez rare a ma connaissance qu'un réseau sois "pris de vitesse".
Il sera relativement lent pendant sa phase d'entrainement (qui consiste a pratiquer des centaines de millier d'exemples) mais une fois l'entrainement terminé, il suffit de sauvegarder ses poids et biais pour que les futures predictions soient trés rapides.
A titre d'exemple, j'avais fait du style transfert une fois. Un algorithme un peu complexe.
Pendant l'entrainement, il mettait une nuit entiere pour faire ses calculs sur une vidéo. Mais une fois l'entrainement terminé, ça lui prenais moins d'une minute.
Et si on couple ça avec l'utilisation GPU de librairies telle que tensorflow, c'est encore bien plus rapide que ça ^^
on attend la suite svpl
super vidéo mais elle date un peu on attend tjrs la suite
pour une raison inconnue le titre de cette vidéo s'affichait en anglais mais la il est revenu en francais
Pourquoi y a t'il que 10 neurones en sortie ?
D'après ce que j'ai compris, c'est parce que dans son exemple c'est une application de reconnaissance de chiffres de 0 à 9 donc 10 chiffres différents à reconnaître, donc 10 neurones en sortie avec un degré d'activation variable entre 0 et 1, et plus le degré d'activation est grand pour un neurone x en sortie, plus le chiffre correct a de chances d'être celui associé au neurone x.
C'est exactement ça Alexandre! :)
En esperant que ça t'ai aidée Luna
u should slow down a bit