تخفیف عضویت ویژه تا 30 مرداد

شما به این ویدیو دسترسی ندارید



0

intro

3:34

رایگان

1

tensorflow

17:51

رایگان

2

graph

16:38

رایگان

3

neural networks

17:24

4

gradient

16:58

5

regression

14:57

6

normalization

22:32

7

bias

14:45

8

classification

20:55

9

computer vision

33:11

10

summary

13:28

11

CNN

16:17

12

conv2d

14:47

13

nlp

11:3

14

tokenization

19:54

15

bag of words

13:16

16

word embedding

20:40

17

RNN

13:15

18

LSTM

10:5

19

text classification

38:53

20

bidirectional

9:40

21

hub

14:45

22

data augmentation

15:5

23

hypertuning

28:5

24

done

3:43

دوره های پیشنهادی

دوره آموزش FastAPI پایتون
دوره آموزش FastAPI پایتون
تکمیل ضبط
امیرحسین بیگدلو
6:43:57 289 هزارتومان
دوره آموزش گیت(git)
دوره آموزش گیت(git)
تکمیل ضبط
امیرحسین بیگدلو
2:43:47 رایگان
دوره آموزش یادگیری ماشین با scikit-learn پایتون
دوره آموزش یادگیری ماشین با scikit-learn پایتون
تکمیل ضبط
امیرحسین بیگدلو
10:02:02 389 هزارتومان



ارسال نظر


میلاد مرندی

11 ماه قبل پاسخ به نظر

سلام
اختلافی که در تعداد param داریم، بدلیل وجود مقادیر bias هست طبق فرمول زیر:
تعداد param مساوی هست با:
تعداد وزن ها * تعداد نورون ها + تعداد bias در هر لایه
(100 * 784) + 100 = 78500 تا شده

ارسال نظر



مونگارد