Часть 4. Нейросети и глубокое обучение 4-qism. Neyron tarmoqlari va chuqur o'qitish

Часть 4. Нейросети и глубокое обучение 4-qism. Neyron tarmoqlari va chuqur o'qitish

• Haqiqiy dasturlashda, albatta, neyronlar yoki ulanishlar yozilmaydi, hamma narsa matritsalar sifatida ifodalanadi va matritsa mahsuloti sifatida hisoblanadi, chunki tezlik kerak.
• Tarmoqni qurganimizda, bizning vazifamiz og'irliklarni to'g'ri joylashtirishdir, shunda neyronlar kerakli signallarga javob beradi. Bu erda bizda ma'lumotlar borligini yodda tutishimiz kerak - "kirishlar" va to'g'ri "chiqishlar" misollari. Biz neyron tarmoqqa xuddi shu 4 raqamining chizmasini ko'rsatamiz va "og'irliklaringizni shunday sozlangki, bunday kirish bilan chiqishda to'rtta raqam doimo yonib tursin" deb aytamiz.
• Yuz minglab bunday tsikllardan so'ng, tarmoqdagi og'irliklar biz xohlagan tarzda sozlanishiga umid bor. Ilmiy nuqtai nazardan, bu yondashuv Backpropagation yoki "Orqaga tarqalish usuli" deb ataladi. Qizig'i shundaki, bu usulni kashf qilish uchun yigirma yil kerak bo'ldi. Undan oldin neyron tarmoqlar imkon qadar o'qitilgan.
• 2012-yilda konvolyutsion neyron tarmoq ImageNet tanlovida barchani hayratda qoldirdi, shuning uchun dunyo birdaniga 90-yillarda tasvirlangan chuqur o'rganish usullarini esladi. Endi bizda video kartalar bor!
• Chuqur o'qitish (deep learning) va klassik neyron tarmoqlari o'rtasidagi farq tarmoqlarning katta o'lchamlarini bartaraf etuvchi yangi o'quv usullarida edi.
• Amaliyotchi sifatida biz besh qatlamli mini-mashni yig'ishimiz kerak bo'lganda ham Keras, TensorFlow va PyTorch kabi mashhur "chuqur" kutubxonalardan foydalanamiz.