Building makemore Part 4: Becoming a Backprop Ninja

摘要

Andrej Karpathy 手動演算反向傳播，深入理解梯度如何透過計算圖流動。透過實際演練，建立對神經網路最佳化原理的直覺與能力。

Manually backpropagating through a neural network to build deep intuition on gradient flow and optimization.

這筆內容還沒有取得字幕或內文，這段摘要只根據標題與說明欄產生，可能不夠準確；實際內容請以原站為準。

提到的工具與公司

• PyTorch
• BatchNorm
• MLP

適合誰看

具備程式基礎並想深入理解神經網路原理的開發者。

摘要依據

講者

Andrej Karpathy

依據

標題與說明欄（還沒有取得字幕或內文）

為什麼排在這裡

人氣

0.65

新鮮

0.00

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• The spelled-out intro to neural networks and backpropagation: building micrograd影片 ・ Andrej Karpathy ・ 2 小時 26 分
• Stanford CS229 Machine Learning | Spring 2026 | Lecture 8: Neural Networks 2 (Backprop)影片 ・ Stanford Online ・ 1 小時 2 分
• The F=ma of Artificial Intelligence [Backpropagation, How Models Learn Part 2]影片 ・ Welch Labs ・ 31 分鐘
• Building makemore Part 3: Activations & Gradients, BatchNorm影片 ・ Andrej Karpathy ・ 1 小時 56 分
• 【舊影片上傳】DNN Backpropagation (2015 年上課錄影)影片 ・ Hung-yi Lee ・ 31 分鐘
• Stanford CS229 Machine Learning | Spring 2026 | Lecture 7: Neural Networks 1 (Architecture)影片 ・ Stanford Online ・ 1 小時 20 分