• 投稿

【中英双语】ChatGPT背后的数学原理是什么?带你看懂Transformer模型的数学矩阵实现!

15.4万
191
2024-10-25 16:32:34
6096
2324
1.5万
861
Transformer,即支撑ChatGPT的神经网络架构,会进行大量的数学运算。然而,这些数学运算可以通过矩阵数学快速完成,因为GPU对此进行了优化。在编码神经网络时也会使用矩阵数学,所以学习ChatGPT是如何做的将帮助你编写自己的代码。因此,在这个视频中,我们一步一步地讲解数学运算,并解释每一步的作用,以便你可以自信地自行使用。 相关视频: 神经网络:https://www.bilibili.com/video/BV18m411S79t/?spm_id_from=333.999.0.0 Transformer原理:https://www.bilibili.com/video/BV1Sr421w7ZE/ 神经网络矩阵代数原理:https://www.bilibili.com/video/BV163xFedEfN/ 字幕校对、时间轴、翻译:@爱吃面的见 视频校对、制作:@凡鸟不凡 如果这个视频对你有所帮助,不要忘了一键三连和关注,欢迎分享给小伙伴一起学习呀! ----------------------------------------------------------------------- 如果您想支持StatQuest,请考虑... 购买我的书,《StatQuest机器学习图解指南》: PDF版本 - https://statquest.gumroad.com/l/wvtmc 纸质版 - https://www.amazon.com/dp/B09ZCKR4H6 Kindle电子书版 - https://www.amazon.com/dp/B09ZG79HXC ----------------------------------------------------------------------- StatQuest 旨在用通俗易懂的方式讲解统计学、机器学习等,将主要方法论分解成易于理解的部分,以增强理解。 更多关于StatQuest: 官网:https://statquest.org/ YouTube:https://www.youtube.com/@statquest Patreon: https://www.patreon.com/statquest 音乐:https://joshuastarmer.bandcamp.com/album/the-middle-ages 周边商店:https://statquest.creator-spring.com/? StatQuest Store: https://statquest.org/statquest-store/
StatQuest 官方账号,深入浅出讲解深度学习、机器学习、统计学原理!https://statquest.org
140.8万播放
简介
引言
00:49
神经网络基本思想
18:41
链式法则
18:24
梯度下降法
23:54
反向传播基本思想
17:33
反向传播详解P1
18:32
反向传播详解P2
13:09
ReLU激活函数
09:00
神经网络多元输入输出
13:50
SoftMax 和 ArgMax
14:03
SoftMax导数
07:13
交叉熵 Cross Entropy
09:32
交叉熵+反向传播
22:08
卷积神经网络CNN+图像识别
15:24
用数学表示神经网络
30:01
张量 tensor
09:40
PyTorch
23:22
PyTorch优化神经网络
20:45
RNN
16:37
LSTM
20:45
词嵌入、word2vec模型
16:12
word embedding代码实现
32:02
编码&解码神经网络,seq2seq模型
16:51
注意力机制
15:52
Transformer模型
36:15
Decoder-only Transformer模型
36:45
Transformer数学原理
23:43
Transformer代码实现
30:53
客服
顶部
赛事库 课堂 2021拜年纪