Fact Check: क्या डीप लर्निंग वीडियो में दावे सटीक हैं? – विस्तृत विश्लेषण
Generally Credible
10 verified, 2 misleading, 0 false, 0 unverifiable out of 12 claims analyzed
वीडियो की समग्र विश्वसनीयता (75/100): आम तौर पर विश्वसनीय, मामूली मुद्दों के साथ
यह फैक्ट-चेक एक शैक्षिक वीडियो का विश्लेषण करता है जो डीप लर्निंग और आर्टिफिशियल न्यूरल नेटवर्क (ANN) की बुनियादी अवधारणाओं को समझाता है। कुल मिलाकर, वीडियो में प्रस्तुत अधिकांश मुख्य दावे तथ्यात्मक रूप से सही हैं और शैक्षणिक उद्देश्यों के लिए उपयुक्त हैं। हालाँकि, दो महत्वपूर्ण क्षेत्रों में सुधार की गुंजाइश है:
- अतिशयोक्ति और सरलीकरण: वीडियो कुछ स्थानों पर शैक्षिक प्रभाव के लिए अतिशयोक्तिपूर्ण भाषा का उपयोग करता है (जैसे "10 गुना अधिक शक्तिशाली", "दशकों लग जाते")। ये मात्रात्मक दावे बिना उचित संदर्भ के भ्रामक हो सकते हैं।
- वर्गीकरण में अस्पष्टता: रीइन्फोर्समेंट लर्निंग और डीप लर्निंग को पूरी तरह से अलग बताना, डीप रीइन्फोर्समेंट लर्निंग जैसे अंतर-विषयक क्षेत्रों की उपेक्षा करता है, जो एक सीमित दृष्टिकोण प्रस्तुत करता है।
महत्वपूर्ण टिप्पणियाँ:
- शैक्षिक मूल्य: वीडियो परसेप्ट्रॉन, ANN, फॉरवर्ड प्रोपगेशन, और एक्टिवेशन फंक्शन जैसी जटिल अवधारणाओं को समझाने में काफी हद तक सफल है। मैथ्स और इंट्यूशन को संतुलित करने का प्रयास सराहनीय है।
- दर्शकों के लिए चेतावनी: निर्माता ने सही ढंग से कहा है कि इस वीडियो को देखने से पहले मशीन लर्निंग की बुनियादी समझ होना आवश्यक है।
- स्वीकार्य सीमाएँ: कुछ दावे (जैसे, 1958 में परसेप्ट्रॉन का आविष्कार) पूरी तरह से सटीक हैं और वीडियो की नींव को मजबूत करते हैं।
निष्कर्ष: यह वीडियो डीप लर्निंग सीखने वालों के लिए एक अच्छा प्रारंभिक बिंदु है, लेकिन दर्शकों को इसके सरलीकरणों और अतिशयोक्तियों से अवगत रहना चाहिए। यह एक माध्यमिक शिक्षण संसाधन के रूप में उपयोगी है, न कि एकमात्र आधिकारिक स्रोत के रूप में।
Claims analysis
पहले दो और भाग आएंगे।
यह एक भविष्य की योजना है, जिसे एक तथ्य के रूप में प्रस्तुत किया गया है। यह तथ्यात्मक रूप से सही नहीं कहा जा सकता जब तक यह पूरा न हो, लेकिन यह एक वादा है।
मशीन लर्निंग वीडियो [चार] नहीं देखी है तो यह मत देखना क्योंकि डीप लर्निंग इज अ सबसेट ऑफ मशीन लर्निंग।
यह सही है। डीप लर्निंग, मशीन लर्निंग का एक उपसमूह है। यह कथन सटीक है।
डीप लर्निंग, मशीन लर्निंग से 10 गुना ज्यादा पावरफुल होता है।
यह एक अतिशयोक्तिपूर्ण और सामान्यीकृत दावा है। डीप लर्निंग कुछ कार्यों (जैसे इमेज रिकॉग्निशन) में बेहतर हो सकता है, लेकिन यह हर मामले में 10 गुना अधिक शक्तिशाली नहीं है। यह एक अतिरंजित अनौपचारिक तुलना है।
परसेप्ट्रॉन को फ्रैंक रोसेनब्लैट ने 1958 में पेश किया था।
यह सही है। फ्रैंक रोसेनब्लैट ने 1958 में कॉर्नेल एरोनॉटिकल लेबोरेटरी में परसेप्ट्रॉन का आविष्कार किया था। यह एक स्थापित ऐतिहासिक तथ्य है।
परसेप्ट्रॉन में 'स्टेप फंक्शन' का उपयोग होता था।
यह सही है। मूल परसेप्ट्रॉन मॉडल में 'स्टेप एक्टिवेशन फंक्शन' (जैसे हेवीसाइड स्टेप फंक्शन) का उपयोग किया जाता था, जो एक बाइनरी आउटपुट (0 या 1) देता है। वीडियो में सिग्मॉइड के उपयोग को बाद के संशोधन के रूप में समझाया गया है।
एक सिंगल परसेप्ट्रॉन केवल लीनियर डिसीजन बाउंड्रीज का प्रतिनिधित्व कर सकता है।
यह सही है। एक एकल परसेप्ट्रॉन (बिना हिडन लेयर के) केवल रैखिक रूप से वियोज्य समस्याओं (जैसे AND, OR) को हल कर सकता है। XOR जैसी गैर-रैखिक समस्याओं को हल नहीं कर सकता।
डीप लर्निंग 2010 के बाद लोकप्रिय हुई।
यह मोटे तौर पर सही है। हालांकि डीप लर्निंग की नींव 2000 के दशक की शुरुआत में रखी गई थी, लेकिन 2010 के दशक की शुरुआत में (जैसे 2012 में ImageNet प्रतियोगिता में AlexNet की सफलता) इसे व्यापक लोकप्रियता और सफलता मिली।
जीपीयू के बिना, GPT और इमेज रिकॉग्निशन को ट्रेन करने में दशकों लग जाते।
यह एक अतिशयोक्तिपूर्ण दावा है। GPU के बिना बड़े मॉडलों को प्रशिक्षित करना बहुत धीमा होगा और व्यावहारिक रूप से असंभव हो सकता है, लेकिन 'दशकों' एक अनुमानित और अत्यधिक संख्या है। यह इस बात पर निर्भर करता है कि कितना डेटा और किस तरह का हार्डवेयर उपलब्ध है।
डीप लर्निंग में, आप बिना फीचर्स दिए (बिना नियम बताए) सिर्फ डेटा देते हैं और यह खुद फीचर सीखता है।
यह मूलतः सही है। पारंपरिक मशीन लर्निंग में, फीचर इंजीनियरिंग मनुष्यों द्वारा की जाती है। डीप लर्निंग में, मॉडल कच्चे डेटा से स्वचालित रूप से प्रासंगिक फीचर निकालना सीखता है। हालांकि, मॉडल आर्किटेक्चर (हाइपरपैरामीटर) को अभी भी मानव इनपुट की आवश्यकता होती है।
Google Translate, ML से DL पर स्विच करने के बाद बहुत बेहतर हो गया।
यह सही है। Google ने 2016 में घोषणा की थी कि उसने अपने अनुवाद सेवा के लिए पारंपरिक मॉडल से डीप लर्निंग (GNMT - Google Neural Machine Translation) पर स्विच कर लिया है, जिसके परिणामस्वरूप अनुवाद की गुणवत्ता में नाटकीय रूप से सुधार हुआ।
रीइन्फोर्समेंट लर्निंग अलग है, डीप लर्निंग अलग है।
यह सही है। रीइन्फोर्समेंट लर्निंग (RL) और डीप लर्निंग (DL) मशीन लर्निंग के अलग-अलग उपक्षेत्र हैं। हालांकि, डीप रीइन्फोर्समेंट लर्निंग (DRL) नामक एक संयुक्त क्षेत्र भी है, जहाँ DL का उपयोग RL एजेंट को शक्ति प्रदान करने के लिए किया जाता है। यहाँ उन्हें पूरी तरह अलग बताना थोड़ा सीमित है।
हार्ट डिजीज प्रेडिक्शन का प्रोजेक्ट बनाया था।
यह वीडियो में दिए गए उदाहरण (एज, कोलेस्ट्रॉल, बीपी) का संदर्भ है। यह एक सामान्य उदाहरण है और इस संदर्भ में कोई विरोधाभास नहीं है। यह कथन स्वयं एक तथ्य नहीं है, बल्कि पिछले काम का उल्लेख है।
सो वेलकम टू द मोस्ट अवेटेड वीडियो एंड दैट इज डीप लर्निंग। फाइनली आ चुकी है। लेकिन एक बेस लाइन क्लियर करना चाहता हूं।
अगर आपने यह चार मशीन लर्निंग की वीडियो नहीं देखी है तो यह मत देखना क्योंकि डीप लर्निंग इज अ सबसेट ऑफ मशीन लर्निंग। तो
आपको मशीन लर्निंग आनी चाहिए। सेकंडली ये सिर्फ फर्स्ट पार्ट है डीप लर्निंग का। मतलब और दो पार्ट्स आएंगे। तो स्टे ट्यून
लेकिन यह पार्ट को ढंग से देखना क्योंकि यहां पे आपको बेसिक अंडरस्टैंडिंग मिलेगी अबाउट डीप लर्निंग। इस वीडियो में अपन ने
बहुत सारी चीजें कवर करी हैं। क्या होते हैं परसेप्टों्स? कैसे आप एएनएन यूज करते हो? किस तरीके से आपके लॉस फंक्शनंस वर्क
करते हैं? व्हाट आर एक्टिवेशन फंक्शनंस? क्या होते हैं ऑप्टिमाइज़र्स? सब कुछ क्लियर करा है और साथ में थोड़ी बहुत
मैथ्स भी लगेगी यहां पे। तो अगर आपको मैथ से डर लगता है तो घबराओ मत क्योंकि यहां पे अपन ने प्रोजेक्ट इंप्लीमेंटेशन भी
दिखाया है जिसमें आपको यह पता लग जाएगा कि कैसे सारी चीजों को साथ में एक प्रोजेक्ट बनाया जाता है या फिर कैसे एक डीप लर्निंग
का मॉडल बनाया जाता है। सो विदाउट वेस्टिंग मच टाइम लेट्स स्टार्ट दिस वीडियो। सो फर्स्ट ऑफ ऑल आई वुड लाइक टू
थैंक ऑल ऑफ यू टू शो मी सो मच लव एंड सपोर्ट ऑन मशीन लर्निंग वीडियोस। भाई मैं आज भी कमेंट्स पढ़ता हूं तो मुझे इतना मजा
आता है देख के। यू आर शोइंग सो मच लव। और इसी लव को बरकरार रखना भाई इस डीप लर्निंग की वीडियो पे। एंड दिस इज़ गोइंग टू बी द
फर्स्ट वीडियो। ऐसी दो वीडियोस बनाने वाला हूं। तो चलो ज्यादा टाइम वेस्ट नहीं करते हैं। स्टार्ट करते हैं डीप लर्निंग के
साथ। देखते हैं क्या-क्या चीजें पढ़ने वाले हैं और सब कुछ देखेंगे। ठीक है? एंड यू नो हाउ आई टीच। आपको पता है पहले एक
मैं कोर्ट दिखाता हूं। द कोर्ट इज वेयर ट्रेडिशनल लर्निंग एंड्स डीप लर्निंग बिगिंस। टर्निंग रॉ डेटा इंटू इंटेलिजेंस
एंड इंटेलिजेंस इंटू डिस्कवरीज। ठीक है? आप ये बोल सकते हो जो आपने मशीन लर्निंग पढ़ी थी ना उससे 10 गुना ज्यादा पावरफुल
होता है डीप लर्निंग। चलो देखेंगे कैसे सब कुछ। चलो अब कुछ प्रीरिक्विजिट्स बताना चाहता हूं। क्या-क्या रिक्व्विजिट्स हैं?
क्या-क्या आपको आना चाहिए? पहले डीप लर्निंग सीखने से पहले आपको ये सब चीजें आनी चाहिए। तो सबसे पहले तो यू मस्ट नो
लीनियर अलजेब्रा बिट। ठीक है? फिर आपको प्रोबेबिलिटी एंड स्टैटिस्टिक्स आना चाहिए। पाइthन आना चाहिए। ML बेसिक्स आना
चाहिए। लाइक रिग्रेशन, क्लासिफिकेशन, ओवर फिटिंग, अंडर फिटिंग और भी बहुत सारी चीज़। मतलब ML आपको लगभग-लगभग आना चाहिए। तो अब
यहां पे भैया मैं क्या-क्या पढ़ा चुका हूं? भैया मैंने प्रोबेबिलिटी स्टैट्स पढ़ा है। आप देख सकते हो। को पाइथन भी पढ़ा है, ML
बेसिक्स भी पढ़ा है। बस लीनियर अलजेब्रा नहीं पढ़ा है। इसको भी अपन पढ़ेंगे। एंड वन मोर थिंग एक और मैथ्स का कांसेप्ट होता
है। दैट इज़ कैलकुलस या फिर डेरिवेटिव्स निकालना। तो कैलकुलस की भी अगर आपको नॉलेज है, आपने जो 11 12th में पढ़ा है दैट्स
ओके। लेकिन अगर हो सके तो थोड़ी सी उसकी भी नॉलेज प्री नॉलेज ले लेना। और अगर ये सब चीज़ आपको आती है तो आपके लिए डीप लर्निंग
एकदम आसान बन जाएगा। ठीक है? चलो आगे बढ़ते हैं। सो फर्स्ट ऑफ़ ऑल द मेन क्वेश्चन इज़ जो अपन पढ़ने आए हैं। ये डीप लर्निंग आखिर
होता क्या है? बिफोर मूविंग फॉरवर्ड एंड सीइंग हाउ टू मेक प्रोजेक्ट्स फर्स्ट यू नीड टू नो व्हाट एक्चुअली इज डीप लर्निंग
आखिर क्या होता है डीप लर्निंग चलो समझते हैं विद अ वेरी वेरी सिंपल एग्जांपल बहुत ध्यान से समझना इमेजिन योर ब्रेन हैव
लॉट्स ऑफ टाइनी स्विचेस मतलब आपके ब्रेन के अंदर बहुत सारे ऐसे टाइनी स्विचेस हैं जिनको अपन बोलते हैं न्यूरॉन्स। ठीक है?
व्हेन यू सी अ कैट योर ब्रेन लुक एट मतलब आप एक बिल्ली को देखते हो तो आप कैसे डिटरमाइन करते हो कि भैया यह बिल्ली है ये
कुत्ता है ये घोड़ा है या फिर ये पिग है या फिर ये कुछ है मतलब आई गेस यू आर गेटिंग माय पॉइंट आप कैसे अपने ब्रेन को
ऐसे समझा लेते हो कि भाई ये अलग-अलग जानवर है तो इस चीज में आपका ब्रेन कैसे वर्क करता है समझो आप सबसे पहले किसी भी जानवर
के शेप्स को देखते हो उसके इयर के शेप्स को देखते हो ठीक है फिर आप देखते हो उसके विस्कर्स को विस्कर्स मतलब होता है जो
मूछे होती है ना बिल्लियों की वो देखते हो फिर आप उसके फर्क को देखते फिर आप उसके फेस को एनालाइज करते हो। एंड फाइनली फिर
आप उसके साउंड वाउंड को सुनते हो। जैसे उसने म्याओ बोला तो और आफ्टर सीइंग मेनी कैरेक्टरिस्टिक्स ऑफ योर कैट योर ब्रेन
गेट्स फुल्ली गेट गेट्स रियली गुड एट सेइंग दैट्स अ कैट। आई होप आपको समझ आ रहा होगा। ठीक है? तो आपके बहुत सारे टाइनी
स्विचेस होते हैं जिनको अपन न्यूरॉन्स बोलते हैं और वो एक्टिवेट होते हैं जैसे-जैसे आप किसी चीज को सीखते हो। आई
होप ये चीज समझ आई। ठीक है? डीप लर्निंग वर्क्स द सेम वे। इट बिल्ड्स लेयर्स ऑफ टाइनी स्विचेस जिसको अपन बोलते हैं
आर्टिफिशियल न्यूरॉन्स। मतलब एक तो ओरिजिनल न्यूरॉन्स है जो आपके ब्रेन में अपन क्या कर रहे हैं? आर्टिफिशियल
न्यूरॉन्स बना रहे हैं इंसाइड अ कंप्यूटर। ईच लेयर लर्न समथिंग। फर्स्ट लेयर ये सोचता है दिस लुक्स लाइक एन एज। सेकंड
लेयर बोलता है दिस लुक्स लाइक एन ईयर। फिर फाइनल लेयर बोलता है ओके इट्स अ कैट। तो आपके पास मल्टी लेयर स्ट्रक्चर होता है
जिसका अपन यूज़ करके सीखते हैं चीजें या फिर बनाते हैं चीजें। एंड दैट्स द कोर कांसेप्ट ऑफ़ डीप लर्निंग जिसमें अपन
न्यूरल नेटवर्क्स का यूज़ करेंगे या फिर आप बोल सकते हो आर्टिफिशियल न्यूरॉन्स का यूज़ करेंगे। सब समझेंगे कैसे बनता है क्या
होती है हिडन लेयर क्या होता है आउटपुट लेयर क्या होती है इनपुट लेयर कैसे हिडन लेयर वर्क करती है एक्टिवेशन फंक्शनंस
क्या होते हैं क्या-क्या चीजें होती हैं फॉरवर्ड प्रोपगेशन क्या होता है बैकवर्ड प्रोपगेशन होता है सब सीखेंगे लेकिन उससे
पहले कुछ और सवालों के जवाब फिर उसके बाद आगे बढ़ेंगे चलो इमेजिन यू हैव अ रोबोट टीचर ठीक है वापस एक सिंपल सा एग्जांपल दे
रहा हूं यू गिव इट योर मैथ्स होमवर्क एट फर्स्ट इज़ एट फर्स्ट इट गेसेस रैंडमली ठीक है लॉट्स ऑफ़ मिस्टेक दिस इज़ फॉरवर्ड
प्रोपगेशन एक बार में उसने गलत करा फिर ए्री टाइम इट्स रोंग यू से नो दैट्स रोंग द आंसर शुड बी 10 नॉट एट अपन उसको बताते
हैं सही-सही आंसर्स। द रोबोट टीचर फिक्सेस इट थिंकिंग से या फिर आप बोल सकते हो अपने स्विचेस जो है न्यूरॉन्स को फिक्स करता है
लिटिल बाय लिटिल एंड आफ्टर मेनी ट्राइ इट लर्न्स टू गेट मोस्ट आंसर करेक्ट। दैट्स डीप लर्निंग। लर्निंग फ्रॉम मिस्टेक अंटिल
इट गेट्स रियली गुड। देखेंगे कैसे मिस्टेक से अपन रन करवाते लर्न करवाते हैं डीप लर्निंग में। एंड डोंट गेट कंफ्यूज्ड विद
रीइंफोर्समेंट लर्निंग। रीइंफोर्समेंट लर्निंग इज़ डिफरेंट। डीप लर्निंग इज़ डिफरेंट। ठीक है? चलो देखेंगे। नाउ द
क्वेश्चन इज़ व्हाट इज द डिफरेंस बिटवीन मशीन लर्निंग एंड डीप लर्निंग? क्योंकि भैया मुझे पता है देयर इज सम लर्निंग वर्ड
दैट इज कॉमन। लेकिन मशीन और डीप इन दोनों को क्यों मतलब यूज़ किया है? व्हाट्स द बेस कांसेप्ट ऑफ़ डीप लर्निंग? क्यों मशीन
लर्निंग से डिफरेंट होता है? चलो देखते हैं। इट्स अ वेरी सिंपल थिंग। मशीन लर्निंग इज़ लाइक टीचिंग अ किड विद रूल्स
एंड हिंट्स। एग्जांपल यू वांट अ किड टू रिकॉग्नाइज़ फ्रूट। आप किसी किड को बोलना चाहते हो यार दिस इज़ अ फ्रूट। तो आप क्या
करते हो? एप्पल्स आर यूजुअली रेड, राउंड एंड स्वीट्स। बनानाज़ आर येलो एंड लॉन्ग। मतलब आपने स्किड को बता दिया कि भाई अगर
आपको लाल चीज दिखेगी, राउंड दिखेगी और जो स्वीट होगी वो क्या हो जाएगा? एप्पल हो जाएगा। येलो होगा, लंबा होगा वो क्या हो
जाएगा? बनाना हो जाएगा। द किड यूजज़ दोज़ गिवन रूल्स टू गेस। मतलब आप रूल्स डिफाइन करते हो और उन रूल्स को देख के किड समझता
है। यही तो करते थे। लीनियर रिग्रेशन, लॉजिस्टिक रिग्रेशन जितने भी अपन ने मशीन लर्निंग में एल्गोरिथम्स पढ़े थे, उन सब
में अपन पैराटर्स देते थे डिफरेंट-डिफरेंट। और उसके बेसिस पे अपन पूरा डेटा देते थे और वो समझ जाता था। ठीक
है? सो इन एमएल वी गिव द कंप्यूटर डेटा प्लस फीचर्स। फीचर्स भी दे देते थे या फिर हिंट्स दे देते एंड इट लर्न्स पैटर्न।
इतना सिंपल था। इन शॉर्ट एमएल इक्वल्स टू लर्निंग विद गाइडेंस फीचर्स आर हैंड मेड बाय यूज़ बाय अस। ठीक है? अब बात करते हैं
डीप लर्निंग की। डीप लर्निंग इज़ लाइक गिविंग अ किड अ लॉट्स ऑफ़ फ्रूट्स विदाउट टेलिंग द रूल्स। यू जस्ट से हियर इज़
10,000 एप्पल एंड 10,000 बनानाज़। फिगर इट आउट योरसेल्फ। द किड्स ब्रेन नोटिस फर्स्ट लेयर, ओह, रेड एंड राउंड ऑफन गो टुगेदर।
नेक्स्ट लेयर ओह येलो एंड लॉन्ग ओपन गो टुगेदर क्योंकि भैया डिस्टिंशन क्लासिफिकेशन करना है। इवेंचुअली द किड
कैन से दैट्स एन एप्पल विदाउट यू इवन टेलिंग द रूल्स। मतलब जैसे मैंने पहले रूल्स बताए थे ना कि भैया रेड होना चाहिए,
राउंड होना चाहिए, स्वीट ये सब कुछ नहीं बताया। लेकिन ये खुद से सीख लिया। इन श्योर डीप लर्निंग इज इक्वल्स टू लर्निंग
द रूल्स बाय इटसेल्फ। नो हैंड मेड फीचर। वी डोंट गिव एनी फीचर टू आवर प्रोजेक्ट। समझेंगे सब चीज़ समझेंगे आगे। और जब अपन
इसका प्रोजेक्ट प्रोजेक्ट बनाएंगे, तो और अच्छे से समझ आ जाएगा। लेट्स मूव फॉरवर्ड। ठीक है? सो एमएल वी
चूज़ द फीचर्स। मॉडल लर्न्स द रूल्स। ठीक है? मॉडल लर्न्स बोथ द फीचर्स एंड द रूल्स खुद से। ठीक है? दैट्स डीप लर्निंग। तो
दिस इज़ द मेन डिफरेंस। चलो अब आगे बढ़ते हैं कि व्हाई डीप लर्निंग इज़ पॉपुलर नाउ? अगर आप देखोगे डीप लर्निंग गेट वेरी गेट्स
वेरी पॉपुलर आफ्टर 2010। उसके पहले यूजुअली आप देखना सिर्फ मशीन लर्निंग ही लोग पढ़ना चाहते थे और मशीन लर्निंग ही
चलती थी। तो अब समझते हैं क्या हुआ। सबसे पहला जो की रीज़न है वो है डेटा एक्सप्लोज़। इन द पास्ट वी डिडंट हैव इनफ डेटा फॉर डीप
नेटवर्क्स टू बी यूज़फुल। नाउ वी हैव मैसिव अमाउंट्स ऑफ डेटा। इमेजेस Instagram, YouTube पे आपको मिल जाएंगी भर-भर के।
टेक्स्ट है, सोशल मीडिया बुक्स, आर्टिकल्स, स्पीचेस हैं, कॉल्स हैं, पडकास्ट हैं। हर जगह पे आपको मैसिव अमाउंट
ऑफ डेटा मिलेगा। ठीक है? डीप लर्निंग थ्राइ्स ऑन बिग डेटा। और जो डीप लर्निंग है वो बिग डेटा पे ही वर्क करता है। द मोर
इट गेट्स, द स्मार्टर इट बिकम्स। तो डीप लर्निंग इसलिए थोड़ा ज्यादा पॉपुलर है। सबसे पहला रीज़न था डेटा एक्सप्लोज़। सेकंड
रीज़न हार्डवेयर पावर। ऑब्वियसली जीपीयूस एंड टीपीस बहुत ज्यादा तेज हो रहे हैं। ट्रेनिंग डीप नेटवर्क्स नीड्स अ लॉट ऑफ
कैलकुलेशन या फिर आप बोल सकते हो मैट्रिक्स मैनपुलेशंस चाहिए जब आप न्यूरल नेटवर्क्स क्रिएट करते हो। अर्लियर
कंप्यूटरटर्स वर टू स्लो। टुडे जीपीयूस एंड टीपीयूस कैन ट्रेन ह्यूज मॉडल्स इन आवर्स नॉट इयर्स। ठीक है? एग्जांपल विदाउट
जीपीयू ट्रेनिंग समथिंग लाइक जीपीटी और इमेज रिकॉग्निशन जो अभी आप देखते हो ना चैट जीपीटी चलता है वुड टेक डिकेड्स।
डिकेड्स मतलब साल 10 साल से ऊपर लग जाता। लेकिन अब इतना आसानी से हो जाता है क्योंकि अपने पास जीपीयूस एंड टीपीयूस है।
ठीक है? थर्ड ऑटोमेटिक फीचर लर्निंग एंड बाय द वे डीप लर्निंग का कांसेप्ट यहीं पे शुरू हो
रहा है। मतलब आप जो जीपीयूस बनाते हो जीपीयूस बोल रहा हूं जो आप चैट जीबीटी यूज़ कर रहे हो ये जो जेमिनाई यूज़ कर रहे हो इन
सभी के पीछे कहीं ना कहीं डीप लर्निंग लगी है। दैट्स द मेन इशू दैट्स नॉट द मेन इशू दैट्स द मेन पावर ऑफ़ डीप लर्निंग। ठीक है?
अब बात करते हैं ऑटोमेटिक फीचर लर्निंग। इन मशीन लर्निंग वी हैड टू मैनुअली चूज़ फीचर्स लाइक लेंथ ऑफ ईमेल टू डिटेक्ट
स्पैम। जैसे कोई से एक बहुत बड़ा सा मैसेज आया और उसको आपको बोलना है यार स्पैम है। तो अगर लेंथ ऑफ़ ईमेल बहुत ही छोटी सी या
फिर बहुत ही बड़ी तो अपन बोल सकते हैं इससे स्पैम। तो ये खुद से अपन फीचर सेट करते थे। लेकिन नहीं डीप लर्निंग लर्न्स फीचर
ऑटोमेटिकली फ्रॉम रॉ पिक्सल्स, रॉ टेक्स्ट, रॉ साउंड्स हर जगह पे वर्क करता है। ठीक है? दिस मेक्स इट पावरफुल फॉर
अनस्ट्रक्चरर्ड डेटा, इमेजज़, वीडियोस, ऑडियोज़, टेक्स्ट। क्योंकि अपने को पता नहीं ना यार टेक्स्ट की लेंथ कितनी होगी,
वीडियो की लेंथ कितनी होगी, इमेजज़ की लेंथ कितनी होगी? तो ये सब चीजों पे अपने को खुद से कोई इनपुट फीचर्स देने की जरूरत
नहीं है। डीप लर्निंग खुद से काम कर लेगा। सो दैट्स व्हाई इट इज वेरी पॉपुलर एंड वेरी पावरफुल साथ में। चलो और फिर उसके
बाद आता है भैया फोर्थ पॉइंट एंड दैट इज द मेजर पॉइंट दैट इज बेटर परफॉर्मेंस। डीप लर्निंग मॉडल्स कंसिस्टेंटली बीट
ट्रेडिशनल एमएल मॉडल्स इन एक्यूरेसी फॉर टास्क लाइक इमेज रिकॉग्निशन, स्पीच रिकॉग्निशन, नेचुरल लैंग्वेज प्रोसेसिंग।
एनएलपी की जो मैंने पिछली वीडियो डाली थी उसमें मैंने स्पेसिफिकली बोला था दिस वीडियो इज़ रिलेटेड टू मशीन लर्निंग। लेकिन
अब जब आप ये पूरा पढ़ लोगे डीप लर्निंग तो नेक्स्ट वीडियो जो आएगी वो एनएलपी रिलेटेड टू डीप लर्निंग की मैं लेके आऊंगा। ठीक
है? तो कहीं ना कहीं डीप लर्निंग बहुत अच्छा परफॉर्म करती है मशीन लर्निंग से। Google ट्रांसलेट बिकम मच बेटर आफ्टर
स्विचिंग फ्रॉम एमएल टू डीप लर्निंग। चलो आगे बढ़ते हैं। द फिफ्थ फिफ्थ पॉइंट इज़ वर्सटालिटी अक्रॉस डोमेन। नाउ वर्क ऑन
ऑलमोस्ट एव्री टाइप ऑफ डेटा। भैया आपको टेक्स्ट पे करना है, इमेजज़ पे करना है, ऑडियो पे करना है, टाइम सीरीज डेटा पे
करना है। सब पे आप डीप लर्निंग का यूज़ कर सकते हो। डीप नेटवर्क्स, आईडिया, पावर, सेल्फ ड्राइविंग कार्स, चैट जीपीटी, फेस
रिकॉग्निशन, Netflix रिकमेंडेशन, मेडिकल इमेज एनालिसिस सब की सब जगहों पे डीप लर्निंग ही अप्लाई हो रहा है। तो डीप
लर्निंग इज द नेक्स्ट बिग थिंग जो आपको सीखनी है। नॉट द नेक्स्ट बिग थिंग ये एक बिग थिंग है जिससे अभी और नेक्स्ट बिग
थिंग्स बन रही हैं। तो डीप लर्निंग इज़ वेरीेंट। चलो। एंड द सिक्स्थ थिंग क्यों इतना पॉपुलर है? दैट इज़ रिसर्च ब्रेक
थ्रू। इनोवेशंस लाइक सीएनएस, आरएनएस, एल एलएसटीएम्स, ट्रांसफॉर्मर्स। ट्रांसफॉर्मर्स मतलब जो जीपीटी है गेंस हो
गया मेड डीप लर्निंग सुपर फ्लेक्सिबल ईच ब्रेक थ्रू सॉल्वड अ मेजर लिमिटेशन एंड ओपन न्यू एप्लीकेशन आज की तारीख में चैट
जीपीटी नहीं बन पाता अगर डीप लर्निंग नहीं होता तो कहीं ना कहीं काफी सारे रिसर्च ब्रेक थ्रूज़ हो रहे हैं किसकी वजह से डीप
लर्निंग की वजह से दैट्स व्हाई इट इज़ वेरी पॉपुलर नाउ डज़। चलो अब समझते हैं क्या-क्या पढ़ने वाले हैं इन दिस वीडियो।
ठीक है? सबसे पहले तो अपन फाउंडेशंस पढ़ेंगे। दिखा दूंगा क्या पढ़ेंगे फाउंडेशंस के अंदर। आई विल शो यू। फिर उसके बाद कोर
मैकेनिक्स पढ़ेंगे कैसे वर्क करता है। ठीक है? फिर अपन देखेंगे ट्रेनिंग चैलेंजेस। थोड़े बहुत चैलेंजेस अ बहुत सारी चीजें
होंगी। ठीक है? अभी अगर मैंने बता दिया तो आपको समझ नहीं आएंगे। 10 20 वर्ड फेंक दूंगा मैं आपके सामने। फिर अपन लोग फाइनली
सीएनएस पढ़ेंगे। कम्युनिकेशनल न्यूरल नेटवर्क्स। एंड बाय द वे ये जो तीन चीजें हैं फज़ वन, फज़ टू, फज़ थ्री। दिस इज़ फॉर
एएनएन आर्टिफिशियल न्यूरल नेटवर्क। सब समझेंगे क्योंकि अब यहां से मैं आपका मेन चीज शुरुआत कर करवाने वाला हूं। ठीक है?
एंड दैट्स अ बाय-बाय नोट। खत्म हो गई क्या वीडियो? नहीं भैया। आई वोंट यूज़ स्लाइड टू टीच डीप लर्निंग बिकॉज़ स्लाइड्स लुक
परफेक्ट बट लर्निंग इज नेवर परफेक्ट। ठीक है? इंस्टेड आई विल मेक द ड्राइंग्स एंड नोट्स माय सेल्फ लिव विद यू। सो यू कैन सी
द प्रोसेस नॉट जस्ट द रिजल्ट। दैट्स द मोस्ट ऑनेस्ट वे आई कैन टीच यू दिस सब्जेक्ट। और उसके लिए अपने को क्या खोलना
पड़ेगा? आई गेस आपको पता है वी हैव टू ओपन गुड नोट्स। और चलो चलते हैं गुड नोट्स पर। और वहां पे मैं समझाता हूं एक बहुत ही
बेसिक सा स्ट्रक्चर ऑफ योर परसेप्टन। किसका? परसेप्टन का। समझ नहीं आ रहा भैया? क्या बोल दिया? ओमेगाट्रॉन, परसेप्ट्रॉन
ये सब क्या है? सब समझाऊंगा। व्हाट इज़ परसेप्ट्रॉन? चलो चलते हैं गुड नोट्स पे। लेट्स गो। सो नाउ लेट्स स्टार्ट विद द
फर्स्ट टॉपिक एंड दैट इज़ परसेप्टन एंड आई एम ऑन माय ट्रस्टेड गुड नोट्स। यहां पे मैं अच्छे से आपको सब बता सकता हूं। लेकिन
यहां से अब आपको एक और चीज चालू करनी है। अपना कॉपी पेन लेके बैठना है एंड स्टार्ट मेकिंग सम गुड नोट्स। दैट्स व्हाट वी
वांट। ठीक है? दैट्स व्हाट आई वांट एंड आल्सो यू वांट। ठीक है? तो यहां पे भैया अब सबसे पहला टॉपिक पढ़ेंगे परसेप्टों। अब
नाम सुन के ये लग रहा होगा कि भैया कुछ अलग होने वाला है। बहुत खतरनाक होने वाला है। लेकिन टेंशन मत लो। बहुत बेस एग्जांपल
से लेके समझाऊंगा जिससे सब समझ आएगा। ठीक है? सो फर्स्ट ऑफ़ ऑल लेट्स टॉक अबाउट एक्चुअली व्हाट इज़ परसेप्टों। तो
परसेप्ट्रॉन इज़ द सिंपलेस्ट टाइप ऑफ़ आर्टिफिशियल न्यूरॉन। ठीक है? जो न्यूरॉन होता है ना अपने ब्रेन में वैसे ही एक
न्यूरॉन बनाने का ट्राई किया था आर्टिफिशियली। और जो सबसे पहला बना था उसको अपन लोग परसेप्टन बोलते हैं।
इंट्रोड्यूस्ड बाय फ्रैंक रोज़नब्ट इन 1958। आई होप ये चीज़ समझ आई। ठीक है? इज़ अ फाउंडेशन ऑफ न्यूरल नेटवर्क एंड डीप
लर्निंग। मतलब डीप लर्निंग और न्यूरल नेटवर्क का फाउंडेशन परसेप्टन से ही बना था। इट ममिक्स हाउस ऑफ़ हाउ अ बायोलॉजिकल
न्यूरॉन वर्क्स टेकिंग इनपुट प्रोसेसिंग देम एंड गिविंग एन आउटपुट। आई होप ये चीज समझ आई होगी कि व्हाट एक्चुअली इज़
परसेप्ट। ठीक है? लेकिन अब इसका यूज़ केस कैसे हुआ? कैसे बना? इसके पीछे क्या मैथ्स लगी? एंड एवरीथिंग विल बी कवर्ड हियर। अब
देखो बहुत ध्यान से। अब यहां पे मैं ना सबसे पहले एक मशीन लर्निंग की एल्गोरिथम की बात करना चाहता हूं। एंड दैट इज़
लॉजिस्टिक रिग्रेशन। आई होप आपको याद होगी लॉजिस्टिक रिग्रेशन क्या होता है। ठीक है? तो जल्दी से एक बार लॉजिस्टिक रिग्रेशन को
देखते हैं कि क्या थी और फिर उसी जो भी प्रॉब्लम स्टेटमेंट लिया था लॉजिस्टिक रिग्रेशन में उसको अप्लाई करते हैं
परसेप्टन का यूज करके और देखते हैं कैसे एक न्यूरल नेटवर्क बना था। तो अब देखते हैं बहुत ध्यान से। तो सबसे पहले तो लेट्स
स्टार्ट विद अ बेसिक डेटा टेबल। ठीक है? तो आई एम गोइंग टू क्रिएट अ टेबल। आप अपने नोट्स बनाते रहना। डोंट गो ऑन माय
हैंडराइटिंग। थोड़ी बहुत आड़ी-ढ़ी हो सकती है। ठीक है? तो टेबल में सबसे पहले तो भैया मैं लूंगा एक चीज़ एंड दैट इज़ एज। ऐज
के बाद मैं लूंगा कोलेस्ट्रॉल लेवल। सी एच ओ एल ई एस टी आर ओ एल कोलेस्ट्रॉल। बाय द वे इसका एक प्रोजेक्ट भी बनाया था अपन ने।
दैट इज़ हार्ट डिजीज प्रेडिक्शन। ठीक है? एज हो गया, कोलेस्ट्रॉल लेवल हो गया, बीपी हो गया, बीपी भी आता रहता है लोगों का ऊपर
नीचे बीपी हो जाता है। और उसके बाद मैं फाइनली चीज लिख देता हूं हार्ट डिजीज। सब समझ आएगा कैसे परसेप्टन वर्क कर रहे
हैं। ठीक है? तो भैया मेरे पास कितने कॉलम्स हो गए भैया? आई हैव थ्री नहीं फोर कॉलम्स, थ्री इनपुट कॉलम्स एंड वन आउटपुट
कॉलम। क्यों भैया? क्योंकि अपन लोगों को एक आउटपुट प्रोवाइड करना था। सो दिस हार्ट डिजीज इज़ दी आउटपुट कॉलम। इट्स वेरी
सिंपल। तो मान लेते हैं भैया वी हैव सम वैल्यूज़ लाइक 28 मान लिया 36 ठीक है? 42 रैंडम एज वैल्यूज़ होंगी। कोलेस्ट्रॉल अब
इन लोगों का इनके हिसाब से दे देते हैं। 150 हो गया। लेट्स से 120 हो गया। 180 हो गया। 180 थोड़ा ज्यादा हो जाएगा। तो इसको
तो हार्ट डिजीज देना ही पड़ेगा। ठीक है? बीपी हो गया। व्हाई व्हाट? सैडेस्ट आई एम। ठीक है? बीपी 110 हो गया, 90 हो गया। और
फिर लेट्स से भैया बीपी इसका 160 हो गया। तो यहां पे अपने पास हार्ड डिजीज आ गए 1001 और ऐसे भैया मल्टीपल डेटा पॉइंट्स
हैं। ठीक है? सो दिस इज़ द डेटा। अब अपने को करना क्या है? व्हाट वी एक्चुअली हैव टू डू इज़ इसका यूज़ करके एक लॉजिस्टिक
रिग्रेशन का पूरा वो बनाना है। तो अब हाउ डू यू कैन डू इज़? तो भैया स्टेप वन इज़ वेरी सिंपल। आई गेस आपको पता होगा स्टेप
वन क्या है? द फार्मूला y = mx + b मैं बोल रहा हूं आपको मेरी मशीन लर्निंग की वीडियो देखनी पड़ेगी। इफ यू एक्चुअली वांट
टू अंडरस्टैंड इट। इसको अपन लोग ऐसा भी लिखते हैं। h थीटा x = θ0 + θ1 x1 वेयर θ0 इज़ रिप्रेजेंटिंग b एंड θ1 x1 इज़
रिप्रेजेंटिंग m * x इट्स वेरी सिंपल। ठीक है? सो दिस वाज़ द फार्मूला। और ये फ़ूले से क्या होता था? एक लीनियर लाइन या फिर एक
स्ट्रेट लाइन क्रिएट हो जाती थी। सो इफ आई वांट टू क्रिएट अ लीनियर लाइन या फिर स्ट्रेट लाइन तो इसमें मेरे को मल्टीपल
इनपुट्स हैं। एक एज है, एक कोलेस्ट्रॉल है, एक बीपी है। सो थ्री इनपुट्स एंड वन आउटपुट। ए यू टी, पी यूटी आउटपुट। मतलब
मेरे को हार्ट डिजीज को ही प्रिडिक्ट करना है। तो दैट्स दी आउटपुट। और ये तीनों क्या हो गए? इनपुट। तो टेक्निकली देखा जाए तो
इसका अगर मैं एक फार्मूला बनाता हूं h थीटा ऑफ़ x = θ0 + θ1 x1 + θ2 x2 + θ3 x3 और ये क्या है भैया? ये आपके मल्टीपल डेटा
पॉइंट्स हैं। मतलब भैया एक हो गया एज x1 कोलेस्ट्रॉल हो गया x2 और बीपी हो गया x3 और θ1 θ2 θ3 कुछ वैल्यू्यूज हैं जो अपन
खुद से डिसाइड करते हैं। भैया कैसे डिसाइड करते हैं इन वैल्यूज़ को? इन वैल्यू्यूज को डिसाइड करने के लिए आपको क्या करना पड़ता
है? एक सिग्मॉयड एक्टिवेशन फंक्शन। चलो सिग्माइड एक्टिवेशन फंक्शन तो बाद में लगाएंगे। लेकिन अगर मैंने क्या किया? इन
वैल्यूस का यूज़ कर दिया तो हाउ आर लाइन विल बी लुकिंग लाइक। ठीक है? देखना बहुत ध्यान से। व्हाट आई एम गोइंग टू डू इज़ मैं
ये सारे ही पॉइंट्स को प्लॉट कर दूंगा और ये वाले फॉर्मूले के साथ अगर मैं प्लॉट करूंगा तो मेरी लाइन कुछ ऐसी दिखेगी।
ठीक है? सो लेट्स डू दिस। तो मेरी लाइन एकदम बिल्कुल कैसी दिख जाएगी? सीधी बन जाएगी विद दिस फार्मूला। इट्स वेरी सिंपल।
आई होप ये चीज समझ आई होगी। ठीक है? ये इतना बड़ा कैसे हो गया लाइन को यहां पे आंसर? ठीक है? सो विद दिस फार्मूला द लाइन
विल बी स्ट्रेट। लेकिन अब मैं क्या करूंगा? इसमें एक एक्टिवेशन फंक्शन लगाऊंगा। एंड दैट इज़ सिग्मॉयड एक्टिवेशन
फंक्शन। तो स्टेप वन के बाद मैंने क्या किया? स्टेप टू अप्लाई किया। स्टेप टू। मैं पहले ही बता रहा हूं। इफ यू
आर हियर लर्निंग डीप लर्निंग विदाउट मशीन लर्निंग तो नहीं हो पाएगा। सो दीज़ आर द कॉनंसेप्ट्स ऑफ मशीन लर्निंग और ये आपको
पहले से आते आने चाहिए। ठीक है? तो यहां पे बस मैं एक क्विक रिवीज़ दे रहा हूं। फिर स्टेप टू क्या करता था मैं? सिग्मोइड
एक्टिवेशन फंक्शन लगाता था। सिग्मोइड एक्टिवेशन फंक्शन लगाया। और फिर सिग्मोइड एक्टिवेशन फंक्शन कुछ ऐसा दिखता
था। 1 / 1 + e ^ -z वेयर व्हाट इज़ दिस? z = θ0 + θ1 x1 फिर ऐसे ही + θ 2 x2 एंड + θ3 x3 इट्स वेरी सिंपल और जब भैया मैं ये
सिग्माइड एक्टिवेशन फंक्शन बनाता था तो इसकी वजह से क्या होता था आपका जो ग्राफ है द ग्राफ विल बी लाइक दिस राइट वेयर इज़
द ग्राफ ये लो भैया तो जो आपका सीधा एक ग्राफ बनता था एक सेकंड अरे अरे अरे बाप रे लेट मी जस्ट ज़ूम इन अ बिट देयर यू गो
तो थोड़ा थोड़ा सा नीचे ले जाता हूं। तो अब जो आपका ग्राफ बनता था सिग्मॉयड एक्टिवेशन फंक्शन की वजह से स्क्वाश हो जाता था और
स्क्वाश कुछ ऐसा दिखने लगता था। ठीक है? सो दिस वाज़ द ग्राफ आफ्टर डूइंग द सिगॉइड एक्टिवेशन फंक्शन। तो ये वाली चीजें अपने
को ऑलरेडी पता थी। ठीक है? फिर अब क्या हुआ भैया? मेरे को भाई ये थीटा1 थीटा2 की वैल्यू मिल गई। सब कुछ हो गया। सिग्माइड
एक्टिवेशन फंक्शन भी लगा दिया। फाइनल भी हो गया सब। अब इसके बाद मेरा क्या रिजल्ट आता था? कुछ ना कुछ रिजल्ट आता था। फिर अब
मुझे परफेक्ट रिजल्ट जाने के लिए मैं एक लॉग लॉस फंक्शन अप्लाई करता था। ये सारी चीजें पढ़ाई है मैंने मशीन लर्निंग की
सीरीज में। तो पहले ही बता रहा हूं आपको आनी चाहिए। फिर क्या करते थे? स्टेप थ्री रहता था भैया लॉग लॉस। लॉग लॉस लगाता था
या फिर मैं और बाइनरी क्रॉस एंट्रॉपी लगा सकता था। एंड देयर आर मल्टीपल ऐसे लॉग लॉस फंक्शनंस। ठीक है?
तो लॉग लॉस फंक्शन अप्लाई करता था और मैं क्या फाइंड करता था? लॉस फाइंड करता था। ठीक है? और जैसे ही मैं लॉ लॉस फाइंड करने
लग जाता था, तो लॉस फाइंड करने के बाद मुझे पता लगता था कौन से वैल्यू्यूज पे क्या-क्या लॉस आ रहा है। फॉर एग्जांपल
मैंने मान लो θ1, थीटा2 और थीटा 3 की डिफरेंट-डिफरेंट वैल्यूज़ रखी। उसमें कुछ लॉस मिल रहा है। तो मुझे ऑब्वियसली भैया
वो लॉस को रिड्यूस करना पड़ेगा। और रिड्यूस करने के लिए मैं क्या यूज़ कर सकता था? ग्रेडियंट डिसेंट यूज़ करता था। सो ये जो
ग्रेडियंट डिसेंट है, फिर मैं क्या करता था? स्टेप फॉर ऑप्टिमाइजर लगाता था। व्हाट आई यूज़्ड?
ऑप्टिमाइजर। और ऑप्टिमाइजर क्या करता था? आपके लॉस को कम कर दिया करता था। कैसे करता था? आई यूज़्ड वन कर्व एंड दैट इज़
ग्रेडियंट डिसेंट। मान लो भाई अभी आपके पास बहुत ही सिंपल ऑप्टिमाइजर। ठीक है? लेट्स से आपके पास थीटा ज़ीरो मतलब
सिर्फ दो वैल्यूज़ हैं। कितनी वैल्यूज़ हैं? दो इनपुट्स हैं। मतलब एक इनपुट है। अ दो इनपुट्स हैं और एक आउटपुट है। या फिर आप
बोल सकते हो सिर्फ ऐज है और ऐज से हार्ट डिजीज प्रेडिक्ट करना। सो यू हैव वन इनपुट एंड वन आउटपुट वैल्यू। तो आपके पास क्या
फार्मूला बन जाता? θ0 + θ1 x1 अच्छा क्यों बनता है θ0 + θ1 x1 क्योंकि सिर्फ एक इनपुट है मेरे पास और वो एक इनपुट क्या
होगा x1 होगा तो अपने को x2 x3 x4 तक नहीं जाना और मान लो भैया मैंने θ0 की वैल्यू ज़ीरो रख दी है और ये सेट है अब इसको अपन
चेंज नहीं करेंगे फिर भैया मतलब मेरे को θ1 की डिफरेंट-डिफरेंट वैल्यूज़ देखनी पड़ेगी एग्जैक्टली तो θ1 की
डिफरेंट-डिफरेंट वैल्यूज़ देखते थे log लॉस देखते थे और जैसे-जैसे log लॉस आता जाता था अपन उसको कम करते जाते थे और कम करने
में अपन लोग सबसे एक लोएस्ट पॉइंट ढूंढते थे एंड दैट पॉइंट इज़ इज़ नोन एज ग्लोबल मिनीमा पॉइंट। सो दीज़ आर द बेसिक थिंग्स
दैट वी लर्नड इन व्हाट मशीन लर्निंग। अगर याद नहीं आ रही है तो वापस से देख लो। एंड दिस इज़ व्हाट वी डिड। बहुत सिंपल है। अब
हुआ क्या? यही सेम चीज को यही यही सारी चीजें लगाना। जैसे अपन लोगों ने पहले फार्मूला लगाया। स्ट्रेट लाइन बनाई। फिर
स्क्वाश किया। सिग्मोइड एक्टिवेशन फंक्शन लगा के। फिर अपन ने लॉग लॉस फंक्शन से लॉस फाइंड किया। फिर लॉस फाइंड करने के बाद
मुझे भैया कम लॉस चाहिए था। तो मैंने ऑप्टिमाइजर यूज़ किया। एंड दैट ऑप्टिमाइजर वाज़ ग्रेडियंट डिसेंट। एंड आफ्टर यूजिंग द
ग्रेडियंट डिसेंड मेरा लॉस में जो ग्लोबल मिनीमा पॉइंट था एंड दिस पॉइंट वाज़ नोन एज ग्लोबल मिनीमा इस पॉइंट तक मैं पहुंच गया।
एंड फाइनली मेरे पास जो थीटा वन की जो वैल्यू थी वो परफेक्टली मेरे को मैचिंग में मिल गई। मतलब सबसे कम लॉस वाली वैल्यू
मिल गई। अब यही चीज भैया और ये कम करने के लिए अपने को लर्निंग रेट अप्लाई करना पड़ता था। सब चीजें पड़ी हुई है। अब किसी
ने बोला जो अपने फ्रैंकलिन रोजवेट जो भी आदमी थे उन्होंने बोला कि क्यों ना इस चीज को अपन न्यूरल नेटवर्क से करने का ट्राई
करें। सो जस्ट वेट वन सेकंड। नहीं पता नहीं कि माइक ही टूट गया है। सो व्हेन वी थॉट अबाउट न्यूरल नेटवर्क तो मतलब भैया
मैं क्या करूंगा? अपने इनपुट न्यूरॉन्स बनाऊंगा और एक आउटपुट न्यूरॉन बनाऊंगा। एंड दिस वाज़ द कोर कांसेप्ट ऑफ़ परसेप्टन।
मतलब अब बहुत ध्यान से देखना। वी डिड ऑल ऑफ दिस ऑल ऑफ दिस यूजिंग
परसेप्टन। देखना बस अब कैसे तो यूजिंग परसेप्टन सबसे पहले तो सामने वाले ने बोला कि लेट्स
क्रिएट थ्री इनपुट्स। ठीक है? क्या करें? लेट्स क्रिएट थ्री इनपुट लेयर्स। तो इनपुट लेयर्स क्रिएट करने के लिए सबसे पहले ये
मान लो ये एक इनपुट लेयर बनाया। ठीक है? फिर बनाया दूसरा इनपुट लेयर और फिर बनाया अपन ने तीसरा इनपुट लेयर। ठीक है? अब ये
जो तीन इनपुट्स लेयर बनाए, दिस इज़ इनपुट वन। यहां पे मैं कलर चेंज कर लेता हूं। दिस इज़ लेट्स से। अरे वाइट हुआ ही नहीं।
जस्ट वेट वन सेकंड। देयर यू गो। लेट्स से दिस इज x1 दिस वाज़ x2 एंड दिस वाज़ x3 इट्स वेरी सिंपल। ठीक है? और फिर
इसके बाद मैंने बनाया एक आउटपुट न्यूरॉन। क्या बनाया एक आउटपुट न्यूरॉन। तो भैया एक हो गया इनपुट न्यूरॉन और एक हो गया आउटपुट
न्यूरॉन। बहुत ही सिंपल भैया। ये तो भैया आसान है। हां बिल्कुल आसान है। यही चीज तो परसेप्टन से। सो दिस वाज़ द बेस कांसेप्ट
ऑफ़ परसेप्टन। मतलब अब जो आप ये पूरा मैथमेटिकल चीजें कर रहे थे। ऑब्वियसली मैथ्स लगेगी न्यूरल नेटवर्क में भी। लेकिन
ये जो सिग्माइड एक्टिवेशन फंक्शन था ये जो आपने y = mx + b करा ये सब चीजें अप्लाई करो लेकिन अब कहां पे करो आप न्यूरल
न्यूरल नेटवर्क में करो तो न्यूरल नेटवर्क में अपन ने तीन इनपुट्स लेयर बनाए और एक आउटपुट लेयर बनाया और अपन ने कुछ नहीं
किया बस इन इनपुट एंड आउटपुट लेयर्स को एक दूसरे से कनेक्ट कर दिया लेट्स से आई एम गोइंग टू कनेक्ट दिस दिस एंड दिस इट्स
वेरी सिंपल ठीक है एंड व्हेन आई कनेक्टेड तो मैंने यहां पे अब वेट्स का अप्लाई किया क्या यूज़ करा मैंने वेट्स को अप्लाई किया
सो इफ आई वांट टू यूज़ द वेट्स वेट्स विल लुक लाइक दिस। बहुत ध्यान से देखना भाइयों। ठीक है? सो व्हाट वी डीड वाज़?
मैंने यहां पे लगा दिया एक W1, एक लगा दिया W2 और एक और लगा दिया W3। इट्स वेरी सिंपल। तो मैंने तीन वेट्स का यूज़ किया।
और जो आउटपुट लेयर था इसमें मैंने एक बायस यूज़ कर दिया। क्या यूज़ कर दिया? बायस। और इसका यूज़ करके आपका पता है फार्मूला कैसा
बना? द फार्मूला वाज़ लुकिंग लाइक दिस। एंड दैट इज w या फिर अपन यह बोल सकते हैं दैट वी वांट टू प्रेडिक्ट इज x ऑफ i * w1 + x2
* w2 + x3 * w3 एंड व्हाट इज़ दिस x1 x2 एंड x3 x1 x2 एंड x3 आर नथिंग x1 x2 x3 क्या थे भैया आपके ये थे जैसे ये x1 हो
गया ये x2 हो गया ये x3 हो गया फिर एज कोलेस्ट्रॉल बीपी और उसके बेसिस पे अब आपको प्रिडिक्ट करना है हार्ट डिजीज को
ठीक ठीक है? तो यहां पे अब अपन ने भी सेम ही चीज करी। बस अपन का फार्मूला थोड़ा सा डिफरेंट हो गया। और अपना भी देखो x1, x2,
x3 अगर मैंने 0 कर दिया लेट्स से किसी जगह पे तो ज़ीरो आ सकता है आंसर। तो बायस अपन एक ऐड करते हैं। तो यहां पे बस करके प्लस
बायस। अब अगर आप ध्यान से देखोगे क्या ये फार्मूला थोड़ा बहुत सेम दिख रहा है? हां बिल्कुल दिख रहा है। किसकी तरह सेम दिख
रहा है भैया? θ0 θ0 आगे नहीं पहले लिख देता हूं। θ1 x1 + θ2
x2 + θ3 x3 प्लस बायस क्या था अपना सिंपल θ 0 सो अब क्या ये दोनों फ़ूले भैया सेम सेम दिख
रहे हैं हां बिल्कुल सेम सेम दिख रहे हैं तो मतलब न्यूरल नेटवर्क्स में अपन लोगों ने क्या किया थीटास को रिप्लेस करके वेट्स
का यूज़ करने लग गए ठीक है और अगर अब जैसे देखो सिंपल सी बात है मैं क्या करता था मैं थीटास की वैल्यू को बार-बार चेंज करता
था करता था कि नहीं करता था तो देखेंगे देखेंगे कैसे करेंगे वो सब चीजें देखेंगे। तो यहां पे अपन को अब वेट्स की वैल्यू को
चेंज करना पड़ेगा अलग-अलग तरीके से। ठीक है? तो दिस थिंग इज नोन एज अ फॉरवर्ड प्रोपगेशन। अभी वैसे फॉरवर्ड प्रोपगेशन और
अच्छे से समझाऊंगा जब अपन मल्टीन्यूरॉन्स पढ़ेंगे या फिर मल्टीपल लेयर्स पढ़ेंगे। लेकिन परसेप्टन का एक बेस डायग्राम ऐसा ही
दिखता है जिसमें आपके पास क्या थे? तीन इनपुट्स थे और एक आउटपुट था। और जैसे अपन फार्मूला यहां पे यूज़ कर रहे थे। अपने ऊपर
जो लॉजिस्टिक रिग्रेशन है, सेम तरीके का फार्मूला यहां पे करेंगे परसेप्टों्स के लिए। ठीक है? एंड वन मोर थिंग जब ये सब हो
जाता था तो इसमें भी आपको रिजल्ट किस में चाहिए? या तो ज़ीरो में चाहिए या तो वन में चाहिए। सो वी अप्लाइड एन एक्टिवेशन फंक्शन
सेम एंड दैट इज सिग्मॉयड। कोई दिक्कत नहीं। ठीक है? सिग्मॉयड एक्टिवेशन
फंक्शन। ठीक है? तो मतलब भैया आप ये बोल रहे हो कि बिल्कुल ही सेम तरीके से अपन लोगों ने यूज़
किया परसेप्टन को। बस इसमें अपन लोगों ने न्यूरॉन्स का यूज किया। थ्री इनपुट न्यूरॉन्स, वन आउटपुट न्यूरॉन्स और जो
आउटपुट न्यूरॉन है उसमें एक बायस ऐड कर दिया और जो आपके कनेक्शंस हैं उसमें आपने डिफरेंट-डिफरेंट वेट्स अप्लाई कर दिया।
बिल्कुल सही। एंड व्हेन वी मल्टीप्लाई द वेट्स विद द वैल्यूज़ बिल्कुल जैसे अपन पहले कर रहे थे वही करना है। और अपन लोगों
ने फिर उसके बाद सिग्माइड एक्टिवेशन फंक्शन भी अप्लाई कर दिया। 1 / 1 + e टू दी पावर ऑफ़ -z एंड दिस -z इज़
रिप्रेजेंटिंग दिस फार्मूला। या फिर दोनों फ़ूले को आप रिप्रेजेंट कर सकते हो। ठीक है? सो, इट्स अ वेरी सिंपल थिंग। बिल्कुल
सेम है। और फिर इसके बाद क्या आएगा? आपका आउटपुट आएगा। आएगा या तो ज़ीरो आएगा या फिर वन आएगा एंड दिस विल बी योर आउटपुट। आई
होप ये चीज़ समझ आ रही है। ठीक है? एंड दिस आउटपुट विल रिप्रेजेंट द रिजल्ट ऑफ़ x1, x2 एंड x3। अब भैया अगर अपने को इसको सही भी
करना है तो अपन सेम ग्रेडियंट डिसेंट अप्लाई कर सकते हैं क्या? बिल्कुल कर सकते हैं अपने को। लेकिन उसके लिए बैकवर्ड
प्रोपगेशन करना पड़ेगा। दिस वाज़ फॉरवर्ड प्रोपगेशन। अभी समझेंगे अच्छे से क्या होता है फॉरवर्ड एंड बैकवर्ड। अभी के लिए
बस ये इंट्यूशन बना लो कि भैया परसेप्टों्स आर वेरी सिंपल। जो चीज अपन लोग जैसे लॉजिस्टिक रिग्रेशन में सब कुछ
अप्लाई कर रहे सिग्माइड एक्टिवेशन फंक्शन कर रहे थे। अपन लोग ये टेबल्स में यूज़ कर रहे थे। अपन अपने फ़ूले का लीनियर फ़ूले का
यूज़ कर रहे थे। सेम वही सब करना है। और इवन लॉग लॉस फंक्शन भी अपन अप्लाई करेंगे। अभी देखेंगे ऑप्टिमाइज़र्स भी अप्लाई
करेंगे। सब कुछ वैसे ही रहेगा। लेकिन बस यहां पे क्या होता है? थीटा की जगह वेट्स यूज़ करते हैं। ठीक है? और थीटा ज़ीरो की
जगह बायसेस यूज़ करते हैं। एंड फाइनली दिस थिंग इज़ नोन एज परसेप्टन। अब एक खास बात बताता हूं। इसको अपन तो परसेप्टन बोल रहे
हैं। लेकिन सोचो ये जो एक इनपुट और ये एक आउटपुट लेयर है इसके बीच में अगर एक और लेयर जुड़ गई। सो उसको अपन पता है क्या
बोलते हैं? उसको बोलते हैं न्यूरल नेटवर्क। एंड दैट लेयर इज नोन एज हिडन लेयर। मतलब भैया अभी तक अपन ने परसेप्टन
पढ़ा। एक इनपुट लेयर, एक आउटपुट लेयर। लेकिन अगर इन दोनों लेयर्स के बीच में एक और लेयर आ गई, दैट लेयर विल बी नोन एज एन
अ हिडन लेयर। ठीक है? क्या होता है वो? हिडन लेयर। और वो हिडन लेयर की वजह से आपका बना न्यूरल नेटवर्क। एंड दिस न्यूरल
नेटवर्क इज नोन एज आर्टिफिशियल न्यूरल नेटवर्क एंड आल्सो नोन एज ए एन एन। क्या बोलते हैं इसको? ए एनए या फिर आप बोल सकते
हो आर्टिफिशियल न्यूरल नेटवर्क। दैट्स द नेक्स्ट टॉपिक दैट वी हैव टू स्टडी। सो लेट्स सी। मेरी किस्मत इतनी ज्यादा खराब
है कि मैंने सोचा कि डीप लर्निंग की वीडियो रिकॉर्ड करना शुरू करूं। इतना मजा आ रहा है पढ़ाने में। लेकिन तबीयत खराब हो
जाती है हर बार की तरह। वही खांसी, जुकाम, गला खराब, मौसम चेंज। लेकिन ये सब चीजें रोकेंगी नहीं मेरे को भैया आपको पढ़ाने
से। तो चलो जल्दी से देखते हैं जो अपन ने परसेप्टों्स पढ़े थे उसमें क्या लिमिटेशंस हैं। ठीक है? तो मतलब लिमिटेशंस ऑफ
परसेप्टों्स। वैसे देखो ऐसी कोई स्पेसिफिक लिमिटेशन नहीं है। लेकिन एक बहुत ज्यादा सिंपल सी
लिमिटेशन थी क्योंकि ये बना बहुत पहले था। एंड दिस वाज़ द फर्स्ट थिंग दैट इंट्रोड्यूस न्यूरन नेटवर्क्स। ठीक है? तो
अगर लिमिटेशंस की बात करें भैया ये यूज करता है एक स्टेप फंक्शन। क्या यूज़ करता है? स्टेप एक्टिवेशन फंक्शन। टी आई वी ए
टी आई ओ एन एक्टिवेशन फंक्शन। लेकिन भैया अभी आपने क्या बताया था? अभी आपने ऊपर बताया था कि आई एम यूजिंग सिग्माइड
एक्टिवेशन फंक्शन। फिर आपने ये क्यों बोल रहे हो स्टेप एक्टिवेशन फंक्शन? देखो जब बना था 1958 में तब इसमें यूज़ किया गया था
स्टेप एक्टिवेशन फंक्शन जो कि हमेशा एक बाइनरी क्लासिफिकेशन देता था। या तो ज़ीरो देता था या फिर वन देता था। सो दैट्स
व्हाई इट वाज़ नॉस्ट यू नो इट इट वाज़ नॉट पीपल वर नॉट एबल टू यूज़ दिस फॉर लेट्स से जो कंटीन्यूअस प्रेडिक्शन होता है जैसे
सैलरी हो गया या फिर अपन जो लीनियर रिग्रेशन में करते हैं। आई गो आई गेस आपको समझ आ रहा है। ठीक है? फिर ऐसी भैया एक और
चीज थी अम अ सिंगल परसेप्ट्रॉन कैन रिप्रेजेंट लीनियर डिसीजन बाउंड्रीज़। या फिर आप बोल सकते हो ओनली एक लीनियर डिसीजन
बाउंड्री ही रिप्रेजेंट कर पाते थे। और क्योंकि यहां पे सिर्फ एक इनपुट लेयर थी, एक आउटपुट लेयर थी। तो उसकी वजह से हमेशा
आपका रिजल्ट ज़ीरो और वन में ही आता है। इवन यू आर यूजिंग लेट्स से सिग्माइड एक्टिवेशन फंक्शन। बस ये मान के चलो अपने
दिमाग में। ठीक है? तो भैया इन सब से लिमिटेशंस की वजह से क्या ऐसा यूज़ हुआ? क्या चीजें इनवॉल्व करी जिसकी वजह से ये
सब चीजें हट गई? एंड फॉर दैट अब अपने को पढ़ना पड़ेगा ए एन एन। क्या पढ़ना पड़ेगा? ए एन एन या फिर आप बोल सकते हो आर्टिफिशियल
आर्टिफिशियल न्यूरल नेटवर्क। ठीक है? अब समझते हैं आर्टिफिशियल न्यूरॉन
नेटवर्क बना कैसे था। यह परसेप्टन की हेल्प से ही बना था। और मैंने अभी आपको बताया था कि व्हेन वी आर यूजिंग वन आउटपुट
एंड वन इनपुट लेयर्स तो ये तो एक परसेप्टन है। लेकिन अगर बीच में मैंने कोई सी भी हिडन लेयर ऐड कर दी ना दैट बिकम्स अ
आर्टिफिशियल न्यूरल नेटवर्क। ठीक है? और अब इस आर्टिफिशियल न्यूरल नेटवर्क में अपन लोग दो चीजें पढ़ने वाले हैं। दैट विल बी
फॉरवर्ड एंड बैकवर्ड प्रोपगेशन। सो, फर्स्ट ऑफ़ ऑल लेट मी जस्ट क्रिएट द डायग्राम ऑफ़ एन आर्टिफिशियल न्यूरल
नेटवर्क। इट्स अ वेरी सिंपल डायग्राम जिसके अंदर आपके पास क्या रहते हैं? आपके पास बहुत ही सिंपल इनपुट लेयर्स होती हैं।
मान लो भैया ये तीन इनपुट लेयर्स हैं। एंड इनपुट लेयर्स कैन बी डिपेंडेंट ऑन दी इनपुट्स दैट वी आर टेकिंग। ठीक है? और
इसके बीच में फिर अब आपके पास आती हैं हिडन लेयर्स। क्या आ जाती हैं? हिडन लेयर्स आ जाती हैं। और फिर उसके बाद आ
जाते हैं एक आउटपुट लेयर। अगेन एंड अगेन आई एम टेलिंग यू ट्रस्ट मी गाइस। प्लीज डायग्राम बनाते हुए चलना। अपने नोट्स
बनाते हुए चलना। बाद में बहुत यूज़ आएंगे। ठीक है? एंड ईच एंड एव्री ईच एंड एव्री ऑफ़ दिस आर कनेक्टेड विद ईच अदर। फॉर एग्जांपल
अगर मैं इस न्यूरॉन की बात करता हूं। ये इससे भी कनेक्टेड रहेगा। यह इससे भी कनेक्टेड रहेगा। ठीक है? यह इससे कनेक्टेड
रहेगा। यह इससे कनेक्टेड रहेगा। ठीक है भैया? और यह भी इससे कनेक्टेड रहेगा। एंड यह भी इससे कनेक्टेड रहेगा। एंड दिस इज़
हाउ योर न्यूरल नेटवर्क स्ट्रक्चर लुक्स लाइक। इट्स अ वेरी सिंपल डायग्राम। आई गेस आपको समझ आ रहा होगा। और इन सभी में अगर
मैं बात करता हूं कौन सी लेयर क्या होती है? सो दिस थिंग इज़ नोन एज योर इनपुट लेयर। इनपुट लेयर। ठीक है? और फिर उसके
बाद जो मिडिल लेयर होती है, इसको अपन बोलते हैं हिडन लेयर। हिडन लेयर। और फिर इसके बाद यह वाली जो
लेयर होती है दिस इज नोन एज योर आउटपुट लेयर। ठीक है? आउटपुट लेयर। तो भैया यह जो परसेप्टों्स हैं, इनसे क्या डिफरेंस है?
इसमें बस ये डिफरेंस है कि भैया यहां पे बीच में ये एक हिडन लेयर आ गई है। लेकिन परसेप्टों्स में आपके पास कोई भी हिडन
लेयर नहीं थी। ठीक है? सो बिकॉज़ ऑफ़ दिस हिडन लेयर, दिस थिंग इज़ नोन एज एन आर्टिफिशियल न्यूरल नेटवर्क। एंड दिस इज़ द
फर्स्ट टाइप ऑफ़ आर्टिफिशियल न्यूरल नेटवर्क दैट हैज़ बीन क्रिएटेड विद हिडन लेयर्स। लेकिन अब इसमें भैया कैलकुलेशन
कैसे होता है? क्या सेम तरीके से होता है कैलकुलेशन और क्या होता है, कैसे वर्क होता है। तो अब यहां पे आपको दो चीजें
समझनी पड़ेगी। एंड दैट इज़ फॉरवर्ड प्रोपगेशन एंड बैकवर्ड प्रोपगेशन। एंड नाउ आई एम गोइंग टू टेल यू ईच एंड एव्रीथिंग
विद द मैथमेटिकल इंट्यूशन एज़ वेल। क्योंकि मैं नहीं चाहता कि बाद में आपको कंफ्यूजन हो किसी भी चीज़ का। ठीक है? नाउ बहुत
ध्यान से देखना मैं क्या करने वाला हूं। लेट से, आई एम गोइंग टू टेक सम डेटा। ठीक है? तो, यहां पे मैं एक स्ट्रेट लाइन खींच
देता हूं जिससे अब मैं स्ट्रेट लाइन नहीं खींच रहा, लेट से मैं यहां पे मेंशन कर देता हूं। नाउ वी आर गोइंग टू लर्न
फॉरवर्ड फॉरवर्ड प्रोपगेशन। दैट्स इट। ठीक है? तो अब अपन समझते हैं कि
कैसे फॉरवर्ड प्रोपगेशन वर्क करता है इन दिस न्यूरल नेटवर्क्स। ठीक है? तो लेट्स से मैं एक एग्जांपल डेटा सेट ले रहा हूं।
x1 x2 x3 यहां पे मैंने लिखा नहीं है। वैसे ऐसे डेटा सेट का मतलब ये मैं लेना चाह रहा हूं। इफ यू डोंट नो व्हाट आर डेटा
सेट? दीज़ आर द डेटा सेट्स। ठीक है? जैसे अपन ने पहले डेटा सेट लिया था ना एज कोलेस्ट्रॉल बीपी बस x1 x2 x3 दे रहा हूं
और वहीं पे भैया मेरे पास एक और आउटपुट है। ठीक है? और आउटपुट को अपन क्या बोल सकते हैं? y बोल सकते हैं। लेट्स से दिस
डेटा इज़ 2.0 यहां पे x1 है और वैसे ही x2 की वैल्यू होगी 1.0 लेट्स से और x3 की वैल्यू होगी 3.0 और y जो अपना आउटपुट
वेरिएबल है दैट विल बी वन। ठीक है? इट्स अ बाइनरी क्लासिफिकेशन प्रॉब्लम। कोई दिक्कत नहीं है। सो, दीज़ आर द थ्री थिंग्स। और अब
समझते हैं कैसे न्यूरल नेटवर्क्स इसको हैंडल करता है। फिर एएनएन कैसे इसको हैंडल करता है और क्या-क्या इसके बैकग्राउंड
प्रोसेस होता है। क्या मैथमेटिकल इंट्यूशन होता है सब समझ आएगा। एंड करेंटली वी आर लर्निंग व्हाट? वी आर लर्निंग फॉरवर्ड
प्रोपगेशन। मेरी हैंडराइटिंग पे मत जाना। खुद से नोट्स बनाना अच्छे बनेंगे। ठीक है? तो चलो अब समझते हैं। तो सबसे पहले तो मैं
यहां पे तीन इनपुट्स हैं। 1 2 3 x1, x2, x3 तो आई एम गोइंग टू मेक थ्री इनपुट लेयर्स। क्या बनाऊंगा भैया? मैं तीन इनपुट
लेयर बनाऊंगा। तो जल्दी से बना देता हूं। तीन इनपुट लेयर बहुत ही सिंपल है। ये हुआ भैया पहला इनपुट लेयर सिंपल। ये हो गया
भैया दूसरा इनपुट लेयर। अगेन वेरी सिंपल। एंड दिस इज़ द थर्ड इनपुट लेयर। ठीक है? एंड आई नो देयर मस्ट बी वन आउटपुट लेयर एज़
वेल। तो आउटपुट लेयर को भी बनाने से पहले बीच के अब अपने को हिडन लेयर्स बनाने हैं। क्यों? क्योंकि अगर डायरेक्ट आउटपुट लेयर
बना दिया तो तो भैया वो परसेप्टन बन जाएगा। आई नीड टू क्रिएट व्हाट? आर्टिफिशियल न्यूरल नेटवर्क। सो, आई एम
गोइंग टू क्रिएट टू हिडन लेयर्स बिटवीन। ठीक है? तो मान लेते हैं दिस इज़ द फर्स्ट हिडन लेयर। सब समझ आएगा बहुत सिंपली। ठीक
है? दिस इज़ द सेकंड हिडन लेयर एंड दिस इज़ गोइंग टू बी द आउटपुट लेयर। नाउ ऐज़ आई टोल्ड यू सारे के सारे जो लेयर्स होते हैं
वो एक दूसरे से कनेक्टेड रहते हैं। तो चलो भैया कनेक्ट कर देते हैं। ये लुक कितना सिंपल है। ये लिया भैया मैंने कनेक्शन के
लिए एक लाइन एंड देयर यू गो। लेट्स कनेक्ट दीज़ लेयर्स। ये मैंने एक को इससे कनेक्ट किया। ये एक को इससे कनेक्ट कर दिया। ठीक
है? देन अगेन सारे ही न्यूरॉन्स एक दूसरे से कनेक्टेड होने चाहिए। इनपुट्स आउटपुट से सभी से। ठीक है? ये लो भैया हो गए सारे
एक दूसरे से कनेक्टेड एंड फाइनली दिस इज द फाइनल थिंग दैट वी हैव टू कनेक्ट। अब देखो क्या होता है। एज यू रिमेंबर जब मैं यहां
पे काम कर रहा था तो मैं वेट्स असाइन कर रहा था। ठीक है? तो हर एक न्यूरॉन के कनेक्शन का एक सेपरेट वेट होता है। तो लेट
मी गिव यू एन एग्जांपल फॉर दिस। अ सबसे अच्छा एग्जांपल उसका यही है कि व्हेन यू आर यूजिंग समथिंग हॉट। चलो मान लो ये बॉटल
है मेरे पास। ठीक है? इफ दिस बॉटल इज वेरी हॉट। वेरी हॉट। बहुत ज्यादा गर्म है और अगर मैं इसको एकदम से छूता हूं तो मेरे
ब्रेन पैटर्न में न्यूरॉन्स में एकदम से ट्रिगर होती है ये चीज कि भाई हॉट और इस बॉटल को छोड़ दो आप नहीं छू सकते। आई होप
ये चीज समझ आ रही है। ठीक है? वहीं पे अगर मैं कोल्ड बॉटल को छूता हूं बहुत ज्यादा कोल्ड भी नहीं है। ठीक-ठीक कोल्ड है तो
मेरा ब्रेन पैटर्न इतनी तेज इफेक्ट नहीं देता या फिर वो ये नहीं बोलता कि इसको छोड़ दो। तो वेट्स जो है वो डिसाइड करते
हैं आपके एक्शंस को। या फिर आप ये बोल सकते हो आपका हर एक न्यूरॉन का जो वेट होता है वो डिफरेंट-डिफरेंट तरीके से
असाइन होता है कि भाई अगर मैं कोई भी गर्म चीज पकड़ रहा हूं तो उसको एकदम से छोड़ दो। लेकिन अगर कोई ठंडी चीज पकड़ रहा हूं
तो आप इसको पकड़ के रख सकते हो। ऐसी कोई प्रॉब्लम नहीं है। आपको हार्म नहीं हो रहा है। तो ये जो वेट्स होते हैं ये आपके
डिपेंड करते हैं किस चीज को आप ट्रिगर करना चाहते हो। इट्स वेरी सिंपल। आई होप ये चीज समझ आ रही है। ठीक है? तो अब अपन
ने जैसे यहां पे वेट्स असाइन करे तो हर एक न्यूरॉन को एक अपने को सेपरेट वेट देना पड़ेगा। सो व्हाट वी आर गोइंग टू डू इज़ आई
एम गोइंग टू प्रोवाइड वेट्स हियर। तो मान लो भैया यहां पे मैंने ये दिया पहला वेट। और इस वेट को मैं बोल सकता हूं W1। क्या
बोल सकता हूं? W1 ठीक है? फिर ऐसे ही मैं इसको W2 बोल सकता हूं। इसको W3 बोल सकता हूं। इसको W4 बोल सकता हूं। ठीक है? सॉरी
W3 और W4 सेम ही कर दिया। इसको मैं W4 बोल सकता हूं। इसको W5 बोल सकता हूं। और इसको W6 बोल सकता हूं। ठीक है? सो देयर आर हाउ
मेनी वेट्स? देयर आर सिक्स वेट्स और यहां पे आ जाएगा वेट सेवन एंड यहां पे आ जाएगा वेट एट। या फिर मतलब आप ये बोल सकते हो
जितने भी हिडन न्यूरॉन्स कनेक्टेड रहते हैं एक दूसरे से उन सभी को कुछ ना कुछ वेट्स असाइन होते हैं। ठीक है? और हर एक
जो न्यूरॉन रहता है जो हिडन न्यूरॉन होता है और आउटपुट न्यूरॉन होता है उसका कुछ ना कुछ बायस होता है। तो B1 विल बी द बायस ऑफ
दिस न्यूरॉन। B2 विल बी द बायस ऑफ दिस न्यूरॉन एंड B3 विल बी द बायस ऑफ़ दिस न्यूरॉन्स। तो भैया आपने ये बोला कि
मल्टीपल वेट्स एंड बायसेस अपन असाइन करते हैं। हां बिल्कुल करते हैं। जैसे अपन लोगों ने परसेप्टों्स में करे थे और जैसे
अपन लोग ऊपर मेन फंक्शनंस में भी करते आ रहे हैं। ये चीज़ अपन स्टार्टिंग से करते आ रहे हैं। बस अब ये होता है गेम। तो यहां
पे आप ये बोल सकते हो कि भैया इफ वी हैव 1 2 3 थ्री टू हिडन न्यूरॉन्स एंड वन आउटपुट न्यूरॉन्स सो देयर आर 1 2 3 4 5 6 7 8
वेट्स यस एग्जैक्टली देयर विल बी एट वेट्स तो इस तरीके से आपका पूरा कैलकुलेशन होता है आप या फिर आप ऐसा बोल सकते हो 3 * 2
करोगे 3 * 2 = 6 सिक्स सिक्स के बाद फिर आप लास्ट वाले न्यूरॉन से कितने भी कनेक्टेड होंगे दो तो उसमें आप ऐड कर सकते
हो इट्स अ बेसिक कैलकुलेशन आप कर पाओगे ठीक है और वैसे आपको कभी भी ऐसे वेट्स और बायसेस के कैलकुलेशंस नहीं करने हैं कोई
इतना इंपॉर्टेंट नहीं होता है तो तो अब अपन लोगों ने ये बोला कि भैया आपने सेपरेट वेट्स दे दिए। लेट्स गिव द वैल्यूज ऑफ दिस
वेट्स। ठीक है? और फिर मैं कैलकुलेशन करके भी दिखाऊंगा। बहुत ध्यान से देखना। अभी लग रहा होगा थोड़ा सा कंफ्यूज होगे लेकिन सब
समझ आ जाएगा। देखना। अब मैंने बोला कि भैया ये जो आपने डिफरेंट-डिफरेंट वेट्स दिए ना इनको एक वैल्यू असाइन कर देते हैं।
ठीक है? क्योंकि वेट्स तो रैंडम होते हैं। तो सबसे पहले तो मैंने बोला कि यार जो इनपुट वन आ रहा है वो आ रहा है 2.0 का।
इनपुट जो टू आ रहा है x2 आ रहा है वो आ रहा है 1.0 का। क्योंकि देखो x2 की वैल्यू और इनपुट थ्री आ रहा है वो आ रहा है
कितना? 3.0 का। एंड दिस इज़ व्हाट आई एम शोइंग फॉरवर्ड प्रोपगेशन। बहुत ध्यान से देखना। अब फॉरवर्ड प्रोपगेशन में आप
इनपुट्स देते हो और फिर आपके हर एक न्यूरल कनेक्शन के बीच में वेट्स असाइन रहते हैं। ठीक है? तो भैया वेट्स लेट्स से मैं रैंडम
दे देता हूं। एक दे देता हूं 0.5 का। ठीक है? फिर एक दे देता हूं 0.3 का या फिर अपन बोल सकते हैं नेगेटिव 0.3. एक्चुअली मैंने
लिख के रखे हैं मैंने सारे वेट्स जिससे एग्जैक्ट कैलकुलेशन दिखा सको। ठीक है? फिर मैंने एक वेट दे दिया 0.2 का। फिर दे दिया
मैंने एक 0.8 का। चलो ठीक है। फिर एक वेट दे दिया मैंने 0.1 का। और फिर एक वेट दे दिया मैंने 0.5 का। ठीक है? तो ये हो गए
भैया छह के छह वेट्स हर एक न्यूरल कनेक्शन के बीच में। और ऐसे ही आगे भी इन दोनों में भी दे देता हूं। 1.2 का वेट दे देता
हूं। एंड सेम गोज़ - 0.7 का वेट दे देता हूं। ठीक है? सो ऑल द वेट्स आर कनेक्टेड। अब अपन क्या करने वाले हैं? वी आर गोइंग
टू कैलकुलेट दीज़ थ्री न्यूरॉन्स। और चलो अब इसमें बायसेस भी देने हैं। तो मान लो 0.1 का बायस दे दिया इस न्यूरॉन को। यहां
पे दे दिया नेगेटिव 0.2 का बायस। और इस वाले न्यूरॉन को दे दिया 0.05 का बायस। ठीक है? तो मैंने वेट्स एंड बायसेस दे
दिए। एंड नाउ लेट्स डू द कैलकुलेशन। इट्स वेरी सिंपल। देखो फॉरवर्ड प्रोपगेशन में जब मैं यूज़ कर रहा था अपने परसेप्टों्स
को, तो मैंने डायरेक्ट कैलकुलेशन किया था। इस फ़ूले का यूज़ करते थे। या फिर अपन बोल सकते हैं वेटेड सम निकालना है अपने को।
क्या निकालना है? ये जो मल्टीपल वेट्स हैं इन सबका सम निकालना है आपके इनपुट्स का लेके। तो दैट थिंग इज़ नोन एज व्हाट? वेटेड
सम। तो लेट्स कैलकुलेट द वेटेड सम फर्स्ट। तो भैया वेटेड सम को कैलकुलेट करने के लिए अपन लोग इस न्यूरॉन की बात कर रहे हैं।
ठीक है? तो n1 इज द न्यूरॉन वन या फिर आप बोल सकते हो हिडन न्यूरॉन वन। h न्यूरॉन वन का अपन लोग निकालते हैं रिजल्ट। तो
उसके लिए अपन क्या करेंगे? वही वाली वो वाला फार्मूला फॉलो करेंगे। x1 * वेट 1 या फिर आप बोल सकते हो + x2 * वेट 2 इट्स
वेरी सिंपल। ठीक है? प्लस x3 * वेट 3 और ये होगा भैया तीनों का सम प्लस द बायस विल बी b दैट इज़ 0.1 अब अगर मैं इसमें सारी
वैल्यू्यूज पुट भी करता हूं, तो इट विल बी 2.0 इंटू क्या करना पड़ेगा मुझे? 2.0 से
मल्टीप्लाई ऑब्वियसली द वेट वन फॉर दिस न्यूरॉन। दिस न्यूरॉन से देखो क्या कनेक्शन हो रहा है? 2.0 किससे कनेक्टेड
है? इस वाले न्यूरॉन से। तो 0.5 वेट दे रहा हूं मैं। कितना दे रहा हूं? 0.5 वेट। ऑब्वियसली दीज़ आर सम ऑफ़ द रैंडमाइज्ड वेट।
और इसके बाद अपना कुछ रिजल्ट निकलेगा। फिर उसके बाद अपन देखेंगे कैसे बैकवर्ड प्रोपगेशन में इन वेट्स को अपन सही करते
हैं। अभी मैं क्या समझा रहा हूं? सिर्फ फॉरवर्ड प्रोपगेशन समझा रहा हूं। फिर भैया मैंने सेम किया x2. X2 इज़ व्हाट? X2 इज़
1.2 दैट्स इट। 1.0 है। सॉरी। X2 इज़ 1.0 * 0.2 इट्स वेरी सिंपल। क्योंकि देखो ये वाला वेट किससे? 0.2 से कनेक्टेड है यह
वाला और यह वाला कैसे कनेक्टेड है? 0.2 फिर भैया इंटू करेंगे प्लस एंड दैट इज़ 3.0 * 0.1 दैट्स इट। और बायस कितना है? 0.1 का
बायस है। 0.1 का बायस है। और जब अपन इस पूरे को कैलकुलेट करते हैं, द रिजल्ट विल बी व्हाट? 1.6। नाउ ऑब्वियसली मुझे क्या
चाहिए? बाइनरी क्लासिफिकेशंस में आंसर चाहिए। क्योंकि मेरे पास क्या है? रिजल्ट जो है वो बाइनरी क्लासिफिकेशन में ज़ीरो
एंड वन में है। तो, इस पे मैं एक सिग्माइड एक्टिवेशन फंक्शन फंक्शन लगाता हूं। दैट इज़ 1 / 1 + e पावर -z एंड दिस इज़ व्हाट -z
इज़। तो भैया मैंने यहां पे क्या कर दिया? सिंपली इस चीज़ पे पूरे पे सिग्माइड एक्टिवेशन फंक्शन अप्लाई किया 1.6 पे। एंड
द रिजल्ट दैट इज़ कमिंग आउट आफ्टर सिग्माइड एक्टिवेशन फंक्शन इज़ 0.8320 एंड दैट्स इट। दिस इज़ हाउ यू एक्चुअली
कैलकुलेट योर सिंगल न्यूरॉन रिजल्ट। ये अभी एक न्यूरॉन का रिजल्ट आया है। ठीक है? कितना आया है? 0.320।
अब क्या भैया और जो न्यूरॉन्स हैं उनका भी रिजल्ट आएगा? हां बिल्कुल आएगा। तो यहां पे मैं ऐसे ही लिख लेता हूं 0.38320
है ना? ये 0.8320 ये रिजल्ट आया है। अब भैया इसका भी सेम कैलकुलेशन होगा क्या? हां इसका भी सेम
कैलकुलेशन और इसका आएगा 0.8176। आई होप ये चीज़ समझ आ रही है। ठीक है? सो द फर्स्ट हिडन लेयर इज़ कंप्लीट। फर्स्ट हिडन
लेयर के लिए मैंने ये पूरा फार्मूला लगाया और उस फ़ूले को निकाल लगाने के बाद मेरे को रिजल्ट्स मिल गए। अब मैं जा रहा हूं अपने
आउटपुट लेयर पे। कहां जा रहा हूं मैं? आउटपुट लेयर पे जा रहा हूं। आउटपुट लेयर के लिए भी अपने को यही करना पड़ेगा। सेम
फार्मूला अप्लाई करना पड़ेगा। वही सिग्माइड एक्टिवेशन फंक्शन वही सारी चीजें करनी पड़ेंगी। एंड लेट्स से मैं यहां पे
लिख देता हूं आउटपुट न्यूरॉन। तो अब आउटपुट न्यूरॉन को निकालने के लिए यही पूरा फार्मूला अप्लाई करेंगे। x1 * w1
लेकिन अब यहां पे तो सिर्फ एक ही न्यूरॉन है। तो इसी का कैलकुलेशन होगा। तो इसके कैलकुलेशन के लिए 0. 8320
क्योंकि देखो इस न्यूरॉन की वैल्यू क्या आ रही है? 0.832 जैसे इनपुट दे रहे थे ना 2.0 1.0 3.0 का वैसे ही अपन यहां पे
न्यूरॉन्स के जो अपन ने पूरा आंसर निकाला है उनका इनपुट्स देंगे। ठीक है? मल्टीप्लाई बाय वेट वन एंड दैट इज 1.2 1.2
ये हो गया भैया सम प्लस वही सेम चीज़ x1 * w1 x2 * w2 वैसे ही करना है। और x2 क्या है? 0.8176
लेट मी ओपन दिस 0.8176 0.8176 और इसमें अपन मल्टीप्लाई कर देंगे 0.7
का 0.7 नेगेटिव 0.7 का दिस वाज़ द वेट दैट आई हैव असाइंड हियर। ठीक है? एंड आफ्टर दैट मैं एक बायस कैलकुलेट बायस ऐड करूंगा।
एंड द बायस इज़ 0.05. दैट्स इट। 0.05 एंड आफ्टर गेटिंग द रिजल्ट द आउटपुट विल बी 0.
4761 आप कैलकुलेट कर सकते हो। मैंने ऑलरेडी कैलकुलेट करा है टू सेव योर टाइम। ठीक है?
और इसमें मैं सिग्माइड एक्टिवेशन फंक्शन लगाऊंगा 0.4761 बिकॉज़ आई नीड द आंसर इन ऑब्वियसली ज़ीरो और
वन के बीच में। ऑलदो आ रहा है लेकिन एक सिग्माइड एक्टिवेशन फंक्शन जब आप स्टार्टिंग से लगा के आए हो तो इसमें भी
आपको लगाना पड़ेगा। एंड आफ्टर दैट अपाइंग द सिग्माइड एक्टिवेशन फंक्शन द आंसर इज़ 0.6168।
अब ऑब्वियसली जब अपन लगाते हैं सिग्मा एक्टिवेशन फंक्शन अगर वैल्यू बड़ी होती है 0.5 से तो मैं बोल दूंगा इट इज़ वन और अगर
छोटी होती है 0.5 से तो मैं बोल दूंगा ज़ीरो। ठीक है? तो ये क्या है? बड़ी है। सो योर फाइनल y प्रेडिक्शन विल बी वन। लेकिन
टेक्निकली y प्रेडिक्शन कितना आ रहा है? 0.6168। आई होप ये चीज़ समझ आ रही है। ठीक है? सो
दिस होल प्रोसेस, दिस होल कैलकुलेशन इज नोन एज फॉरवर्ड प्रोपगेशन। क्या बोलते हैं इसको? फॉरवर्ड प्रोपगेशन। फॉरवर्ड
प्रोपगेशन का मतलब यह होता है कि आप सीधे जाते हो और सभी चीजों को कैलकुलेट करते जाते हो। जैसे आपने यहां पे सारे वेट्स
यूज़ करे, बायसेस यूज़ करे और सबको कैलकुलेट करने के बाद आपने एक फॉरवर्ड प्रोपगेशन कंप्लीट कर दिया। आई होप ये चीज समझ आ रही
है। ठीक है भैया। लेकिन दिस रिजल्ट कैन बी बेटर। थोड़ा और बेटर कर सकते थे। तो उस रिजल्ट को बेटर करने के लिए ये जो वेट्स
हैं इन सबको आपको अपडेट करना पड़ेगा। लेकिन भैया ये वेट्स को अपडेट कैसे करेंगे? इन वेट्स को अपडेट करेंगे बैकवर्ड
प्रोपगेशन से। नाउ आई एम गोइंग टू टेल यू थ्री थिंग्स जो बहुत ज्यादाेंट होती है इन डीप लर्निंग। आप बोल सकते हो और यही चीजें
अपन यूजुअली यूज़ करते हैं। एंड दीज़ थिंग्स आर या फिर आप बोल सकते हो स्टार थ्री इंपॉर्टेंट थिंग्स। ठीक है? ये लिख लो
इंपॉर्टेंट थिंग्स। एंड दीज़ थ्री इंपॉर्टेंट थिंग्स आर एक्टिवेशन फंक्शन। सबसे पहले
एक्टिवेशन फंक्शन। ठीक है? फिर उसके बाद है अपने पास लॉस फंक्शन। लॉस फंक्शन।
ठीक है? एंड आफ्टर दैट वी हैव ऑप्टिमाइज़र्स। ठीक है? अब ये जो एक्टिवेशन फंक्शन है, ये
क्या है? ये जो अपन हमने यूज़ करा दैट इज़ सिग्माइड एक्टिवेशन फंक्शन। ज़ीरो और वन का रिजल्ट आने के लिए। इट्स नॉट ओनली अबाउट
सिग्माइड एक्टिवेशन फंक्शन। और भी एक्टिवेशन फंक्शनंस होते हैं वो सब बाद में अपन देखेंगे। ठीक है? फिर व्हाट इज
लॉस फंक्शन? भैया लॉस फंक्शन इज़ यूज्ड टू कैलकुलेट द लॉस। देखो होता क्या है अपने पास? देखो यही सारी चीजें अपन स्टार्टिंग
से करते आ रहे हैं। मशीन लर्निंग में भी वी मेक प्रेडिक्शंस। ठीक है? लेकिन हर बार मेरी प्रेडिक्शंस एक्यूरेट नहीं होती थी।
तो मैं लॉस कैलकुलेट करता था। फिर उस लॉस कैलकुलेट करने के बाद उसमें एक ऑप्टिमाइजर यूज़ करता था। जैसे ग्रेडियंट डिसेंट। और
ग्रेडियंट डिसेंट जैसा ऑप्टिमाइजर यूज़ करने के बाद जो भी मेरा लॉस है वो मिनिमाइज होता जाता था। और जब मेरा लॉस
सबसे ज्यादा मिनिमाइज होता था या फिर जब मैं ग्लोबल मिनीमा पॉइंट पर पहुंचता था फिर मैं कहीं जाके जो मेरे पॉइंट्स हैं जो
x1 y1 के साथ जो मतलब मैंने थीटा θ1 थीटा2 की वैल्यू्यूज लगाई है उन सबको यूज़ करता था और सेम चीज यहां पे हो रही है। अभी तक
अपन ने किया है फॉरवर्ड प्रोपगेशन। तो इस फॉरवर्ड प्रोपगेशन में मैंने एक एक्टिवेशन फंक्शन अप्लाई किया है। एंड दैट वाज़
व्हाट? सिग्मॉयड एक्टिवेशन फंक्शन। क्या सिर्फ सिग्मॉयड होता है? नहीं और भी होते हैं। इन सब की स्टडी अभी अपन करेंगे।
लेकिन लॉस फंक्शन और ऑप्टिमाइजर्स कहां पे यूज हुए भैया अभी तक? ना मैंने ग्रेडियंट डिसेंट यूज किया ना ही भैया मैंने कुछ और
यूज किया। तो अब ये जो लॉस फंक्शन है और ऑप्टिमाइज़र्स हैं इनको अपन यूज़ करते हैं बैकवर्ड प्रोपगेशन में। बैकवर्ड प्रोपगेशन
अभी समझा रहा हूं। ठीक है? बस सिंपल सी बात है। जब मैंने फॉरवर्ड प्रोपगेशन किया तब मेरे पास क्या
आया? फॉरवर्ड प्रोपगेशन व्हेन आई यूज फॉरवर्ड प्रोपगेशन तो आई
यूज्ड वन एक्टिवेशन फंक्शन एंड दैट वाज़ ऑब्वियसली सिग्माइड एक्टिवेशन फंक्शन एंड आई कैलकुलेटेड द रिजल्ट एंड द रिजल्ट वाज़
कमिंग आउट टू बी 0.6168 लेकिन अब जब भैया मैं बैकवर्ड प्रोपगेशन करता हूं तो अब यहां पे मैं लॉस भी
कैलकुलेट करूंगा। लॉस मतलब एक्चुअल रिजल्ट वन था। लेकिन आपका रिजल्ट आ रहा है 0.61। सो देयर इज़ अ गैप एंड दैट गैप इज़ नोन ऐज़ द
लॉस। यहां पे अब मैं लॉग लॉस फंक्शन यूज़ कर सकता हूं। रूट मीन स्क्वायर एरर यूज़ कर सकता हूं। याद करो लीनियर रिग्रेशन,
लॉजिस्टिक रिग्रेशन में क्या-क्या चीजें यूज़ करते थे। और जब मैं इन सब चीजों का यूज़ करता हूं, दैट थिंग इज़ नोन एज़ लॉस। और
लॉस के बाद फिर मैं फाइनली अपने ऑप्टिमाइज़र्स को यूज़ करता हूं। इफ यू डोंट नो व्हाट आर ऑप्टिमाइज़र्स, ग्रेडियंट
डिसेंट इज़ वन ऑफ द ऑप्टिमाइजर। रेलू इज़ आल्सो वन ऑफ दी ऑप्टिमाइजर। और ये सारी चीजें अपन यूज़ करेंगे डीप लर्निंग पढ़ते
हुए। ठीक है? आई होप ये चीज समझ आ रही है। तो अपन ने पहली चीज समझ ली। एंड दैट इज़ फॉरवर्ड प्रोपगेशन कि कैसे अपन आगे बढ़ते
हैं न्यूरॉन्स में और कैसे एक रिजल्ट तक पहुंचते हैं। लेकिन अब अपने को क्या सीखना है? बैकवर्ड प्रोपगेशन। तो यहां पे मैं
येलो से लिख देता हूं। थोड़ा सा अलग सा लगेगा कि भैया यह अलग चीज पढ़ने वाले हैं। बैकवर्ड
प्रोपगेशन। अब एक चीज बता रहा हूं। थोड़ा सा मैथ्स आपको अजीब सी लगेगी इसमें क्योंकि यहां पे
अब मैं डेरिवेटिव्स का यूज़ करने वाला हूं। या फिर अपन कैलकुलस का थोड़ा बहुत यूज़ करेंगे। सो डोंट वरी आई एम नॉट गोइंग टू
टीच यू कैलकुलस। आई एम जस्ट गोइंग टू शो यू सम फार्मूलाज़ कि क्या-क्या अपन यूज़ करते हैं। कहां पे क्या यूज़ करते हैं। एंड
देन दैट्स इट। ओवर कर देंगे बैकवर्ड प्रोपगेशन को। ठीक है? तो आई गेस आपको समझ आया होगा व्हाट एक्चुअली इज़ फॉरवर्ड
प्रोपगेशन। एंड नाउ लेट्स एक्चुअली अंडरस्टैंड व्हाट इज़ बैकवर्ड प्रोपगेशन। अब आपको समझ ही आ रहा होगा जैसे अपन सीधे
जा रहे हैं वैसे ही उल्टे जाएंगे और देखते हैं कहां जाएंगे कैसे जाएंगे उल्टे लेट्स सी तो चलो अब देखते हैं कैसे अपन बैकवर्ड
प्रोपगेशन का यूज करते हैं फॉर डिटरमाइनिंग दी वेट्स या फिर ये वेट्स को अपडेट करने के लिए चलो एक बहुत सिंपल सा
एग्जांपल दे रहा हूं आप समझना ठीक है मान लो मेरा आ रहा है आउटपुट 0.618 6168 तो आप ये बोल सकते हो कि भैया ये जो
आपका आउटपुट है दिस थिंग इज़ योर y प्रेडिक्शन ठीक है और ये y प्रेडिक्शन y ऑफ़ एट इज़ इक्वल्स टू तो बाय प्रेडिक्शन
0.6186168 ठीक है? तो 0.6168 रियल रिजल्ट क्या है भैया? रियल रिजल्ट है
y = 1 सो देयर इज़ अ डिफरेंस बिटवीन देम। ऑब्वियसली भैया जो आपका आउटपुट आया और जो आपका आपका ओरिजिनल आउटपुट था उन दोनों में
काफी डिफरेंस है। तो इन डिफरेंस का या फिर आप ये बोल सकते हो इनका लॉस कैलकुलेट करना है सबसे पहले तो। ठीक है? तो अब अगर आप
किसी भी चीज़ का लॉस कैलकुलेट करना चाहते हो तो आप क्या यूज़ करते हो? आप लॉस फंक्शन का यूज़ करते हो। याद करो अपन ने जब लीनियर
रिग्रेशन पढ़ा था तो अपन ने मीन स्क्वायर्ड एरर यूज़ किया था या फिर कॉस्ट फंक्शन यूज़ किया था। याद है? अपन ने लॉजिस्टिक
रिग्रेशन यूज़ किया था तब अपन ने लॉग लॉस फंक्शन यूज़ किया था। और इन सब तरीके की चीजों को अपन बोलते हैं लॉस कैलकुलेट
करना। तो अब मान लो सबसे पहले तो देखो बैकवर्ड प्रोपगेशन में अभी घुसे नहीं है ढंग से। पहले अपन क्या कर रहे हैं? लॉस
कैलकुलेट कर रहे हैं। सो लेट्स कैलकुलेट द लॉस। तो कैलकुलेट करने के लिए आई एम गोइंग टू यूज़ द log लॉस फॉर्मूला। बहुत सिंपल
है। ठीक है? तो जैसे ही मैंने लॉग लॉस फार्मूला यूज किया तो लॉग लॉस का फार्मूला ऐसा कुछ जाता है। y * log y हैट दैट इज द
प्रेडिक्टेड पॉइंट + 1 - y फिर अपन क्या करते हैं? इंटू log ऑफ़ 1 - yट एंड दैट्स इट। सो दिस इज़ द फ़ूला ऑफ़ योर log लॉस।
लेकिन क्या भैया? अभी मैं इसका यूज़ कर रहा हूं। हां, बिल्कुल कर रहा हूं। कहां पे? y हैट और y की वैल्यूज़ को मैं पुट करूंगा।
और फाइनली मेरा लॉस आ जाएगा 0.494 लेट्स से। ठीक है? सो दिस इज़ द लॉस। लेकिन अब अपना टास्क क्या होता है किसी भी चीज
में? अपन कम से कम लॉस लेके आए। मतलब व्हेन वी डिड द फॉरवर्ड प्रोपगेशन जब अपन आगे गए एक बार तो मेरा लॉस कितना आया? 0.4
कुछ करके लॉस आया। देखो 0.494 लॉस आया। लेकिन मेरे को अब करना क्या है? इस लॉस को मिनिमाइज करना है या फिर सबसे कम करके ले
जाना है। तो अब इस चीज में अपन यूज़ करते हैं बैकवर्ड प्रोपगेशन का। मतलब अब ये जो लॉस आया है इसका यूज करके मैं पीछे जाऊंगा
और मैं अपने वेट्स को एडजस्ट करूंगा। क्योंकि टेक्निकली क्या हो रहा है? ये जो आपके वेट्स हैं ना ये जो आपके ऊपर ये
वेट्स लिखे रहते हैं यहां पे अगर W1 होगा, W2 होगा, W3, W4, W5, W6 ये मल्टीपल वेट्स हैं। ठीक है? W6 हो जाएगा, W7 हो जाएगा।
तो ये मल्टीपल वेट W6 तक ही होगा। W7 और W8 यहां होगा। ठीक है? पता नहीं क्या एक्स्ट्रा लिख दिया मैंने। तो ये जो आपके
पास ये मल्टीपल वेट्स हैं इन वेट्स की वजह से आपका आउटपुट डिटरमाइन होता है। तो दैट मींस अब जब मैं बैकवर्ड प्रोपगेशन करूंगा
तो मैं अपने वेट्स को अपडेट करूंगा। अब वेट्स को कैसे अपडेट करेंगे? देखो। सो फॉर अपडेटिंग द वेट या फिर फॉर चेंजिंग द वेट
देयर इज़ अ फार्मूला एंड दैट इज़ वेट अपडेशन फार्मूला। तो चलो उसको देखते हैं और समझते हैं। अब पहले तो मैं फ़ूले पे बात करूंगा
थोड़ी सी और फिर उसके बाद कैलकुलेशन में क्योंकि अब यहां से कैलकुलेशन काफी ज्यादा टफ हो जाती है। तो लेट्स सबसे पहले तो
देखते हैं एक डायग्राम। मैं वापस से एक बार वो डायग्राम बनाना चाहूंगा जिससे थोड़ा ढंग से आपको और अच्छे से समझ आएगा।
ठीक है? सो दिस वाज़ द डायग्राम। वन टू थ्री इनपुट्स टू मिडिल लेयर्स एंड वन आउटपुट लेयर्स।
कनेक्शन वाज़ वेरी सिंपल। ये हुआ एक। ये हुआ दो कनेक्शन। ये हुए यहां से दो कनेक्शंस। एंड ये हुए यहां से दो
कनेक्शंस। ठीक है? तो ये तो कनेक्शंस अपने सिंपल से थे। और अपने वेट्स कैसे थे भैया? वेट्स थे W1
लेट्स डू वन थिंग। थोड़ा सा कलर चेंज कर लेता हूं। अच्छा दिखता है यहीं से। तो यहां पे भैया एक वेट था W1, W2, W3, W4,
W5 एंड W6 और W6 के बाद यहां पे था वेट सिक्स के बाद वेट सेवन एंड वेट एट। एंड यहां पे बायसेसिस थे डिफरेंट-डिफरेंट।
बायसेसिस पे अपन ज्यादा ध्यान नहीं देंगे। एंड फाइनली आपका आउटपुट आता है। ठीक है? तो आपका आउटपुट कितना आ रहा था? 0.6168
आ रहा था। ठीक है? तो 0.6168 आ रहा था। और क्यों आ रहा था? क्योंकि आपने जो इनपुट्स दिए थे x1, x2 एंड x3
उनकी वैल्यूज़ ये थी सिंपल सी 2.0 1.0 3.0 और आपके ये जो वेट्स थे इनकी वजह से आपका ये आ रहा है आउटपुट। और जब अपन ने लॉस
कैलकुलेट किया तो इसकी वजह से अपना क्या आ रहा था लॉस? 0.494 और अब मेरे को क्या करना है? इस लॉस को
मिनिमाइज करना है जितना हो सकता है। तो अब उस चीज के लिए अब मैं जाता हूं बैकवर्ड प्रोपगेशन पे। अब मैं उल्टा जा रहा हूं।
ठीक है? अब उल्टा जाने के लिए सबसे पहले तो वेट्स को अपडेट करना पड़ेगा। ठीक है? अब वेट अपडेशन फार्मूला इज वेरी सिंपल।
मैं पहले वेट अपडेशन फार्मूला लिखता हूं। वेट अ ये बोल सकते हो वेट न्यू इक्वल्स टू वेट ओल्ड जो पुराना वेट ओल्ड
चल रहा है। माइनस लर्निंग रेट। अभी सब समझाऊंगा। लर्निंग रेट क्या होता है? लर्निंग रेट इंटू डेरिवेटिव ऑफ लॉस
डिवाइडेड बाय डेरिवेटिव ऑफ़ w न्यू यस w न्यू लिख दे न्यू तो निकालना ही है w ओल्ड सो दिस इज़ द फार्मूला क्या है भैया आपका
जो नया वेट निकालना चाह रहे हो कोई भी जो नया वेट आप कैलकुलेट करना चाह रहे हो उसमें सबसे पहले तो आप पुराने वेट से
माइनस करते हो फिर एक चीज होती है लर्निंग रेट ठीक है लर्निंग रेट आप खुद डिसाइड करते हो 0.1 0.2 0.3 0.4 बड़ा भी हो सकता
है छोटा भी हो सकता है वो सब अपन देखेंगे कब करते अ लर्निंग रेट इंटू ल डेरिवेटिव ऑफ़ लॉस
डिवाइड बाय डेरिवेटिव ऑफ़ W ओल्ड। चलो अब एक बहुत सिंपल सा एग्जांपल दूंगा और समझना बहुत ध्यान से। ठीक है? मान लो आपके पास
इतने सारे वेट्स हैं। ठीक है? आप वेट सेवन को सबसे पहले तो अपडेट करना चाहते हो। ठीक है? और अब यहां पे लगता है चेन रूल ऑफ
डेरिवेटिव। समझोगे? सब समझोगे। ठीक है? यू वांट टू अपडेट वेट सेवन। व्हाट डू यू थिंक दिस वेट सेवन इज़ इज़ डिपेंडेंट ऑन? या फिर
आप बोल सकते हो आपका जो आउटपुट है वो किस पे डिपेंडेंट है? वेट सेवन पे डिपेंडेंट है। या फिर आपका आउटपुट वेट एट पे भी
डिपेंडेंट है। हां वेट एट पे भी डिपेंडेंट है। या फिर आप ये बोल सकते हो आपका जो ये आउटपुट है इसको आप बोल रहे हो आउटपुट
थ्री। ये है आउटपुट वन और ये है आउटपुट टू। ठीक है? या फिर आप ये भी बोल सकते हो ये जो आउटपुट थ्री है ये टेक्निकली
डिपेंडेंट है आउटपुट वन और आउटपुट टू पे। जो भी आउटपुट वन और आउटपुट टू आएंगे। लेकिन अभी मेरे को क्या करना है? हमें वेट
सेवन को अपडेट करना है। सो फॉर अपडेटिंग वेट से आप यहां पे लिखोगे W7 न्यू वेट 7 न्यू = W7 ओल्ड इसकी वैल्यू तो अपने को
पता ही है अपन ने ऊपर लिखी है लर्निंग रेट लर्निंग रेट लेट्स से मैंने सेट कर दिया 0.1 0.2 का इसकी भी वैल्यू पता है। अब बात
करते हैं इस फ़ूले की। ठीक है? अब ये जो फ़ूला है, ये होगा एक्सपैंड। ये क्या होगा? एक्सपैंड होगा। मतलब करेंटली आई एम टॉकिंग
अबाउट W7 ओल्ड। तो इसको थोड़ा सा अगर मैं इबोरेट करूं तो इस वाले फॉर्मूले के हिसाब से आई वांट टू कैलकुलेट डेरिवेटिव ऑफ लॉस
डिवाइडेड बाय डेरिवेटिव ऑफ़ W ऑफ़ 7 ओल्ड। इस चीज को मैं कैलकुलेट करना चाह रहा हूं। एंड इफ आई वांट टू कैलकुलेट दिस थिंग यहां
पे आएगा डेरिवेटिव ऑफ़ लॉस डिवाइडेड बाय ये जो W7 ओल्ड है ये किस पे डिपेंडेंट है? या फिर किसके थ्रू ये जनरेट हो रहा है? ओ
आउटपुट थ्री के हिसाब से। ठीक है? तो डेरिवेटिव ऑफ आउटपुट थ्री * डेरिवेटिव ऑफ आउटपुट थ्री डिवाइडेड बाय डेरिवेटिव ऑफ
आउटपुट या फिर आप बोल सकते हो W7 ओल्ड। क्यों? क्योंकि भैया जो आउटपुट है वो W7 ओल्ड पे ही डिपेंड करता है। W7 ओल्ड। अब
आपको बिल्कुल कुछ भी समझ नहीं आया भैया क्या लिख दिया? इतनी मैथ्स आती नहीं है। एग्जैक्टली आपको पूरी मैथ्स समझने की
जरूरत नहीं है। यू जस्ट नीड द डोमेन नॉलेज। लेट मी एक्सप्लेन यू वन सिंपल थिंग। ठीक है? मान लो
यह एक आदमी है। ठीक है? दिस इज वन पर्सन। मेरे को कुछ दिखा नहीं तो मैंने ये दिया। एंड दिस इज वन पर्सन। ठीक है? नाउ दिस इज
दिस इज पर्सन एंड दिस इज़ पर्सन बी। पर्सन ए पर्सन बी। ठीक है? पर्सन ए ने कुछ चीज बोरो करी या फिर कुछ चीज उधार पे दी पर्सन
बी को। अब पर्सन बी को जो चीज मिली है वो बहुत खराब आई है। तो ऑब्वियसली पर्सन बी किससे गुस्सा होगा? पर्सन ए से गुस्सा
होगा। अब मान लो ये जो पर्सन ए है इसको वो चीज पर्सन सी ने दी थी। आई होप ये चीज समझ आ रही है। देखो A B C मान लो तो भैया अगर
इसको कुछ चीज मिली है यह गुस्सा इस पे उतारेगा और अगर इसने यह किसी और चीज से ली थी मतलब किसी और से उधार लिया था तो ये उस
पे गुस्सा उतारेगा। पेन पे गुस्सा उतार देगा। सो दिस इज़ हाउ चेन रूल वर्क्स। मतलब आपके जो वेट्स हैं वो किसी ना किसी पे
डिपेंडेंट होता है। आपके जो आउटपुट्स हैं वो डिफरेंट-डिफरेंट वेट्स पे डिपेंडेंट होते हैं। और उस तरीके से अपन इसका यूज़
करते हैं। और ये जो है ये फार्मूला आपको चेन रूल करके देता है W7 ओल्ड को निकालने का। चलो एक और बहुत सिंपल सा एग्जांपल दे
रहा हूं। मान लो मैं वेट वन की बात कर रहा हूं। अभी किसकी बात कर रहा हूं? वेट वन की। आई वांट टू अपडेट वेट वन। तो मैं वेट
वन को अपडेट करने के लिए वेट वन न्यू करूंगा। इक्वल्स टू वेट वन जो ओल्ड वाला चल रहा है उसमें से माइनस करूंगा अपने
लर्निंग रेट को। यहां तक बिल्कुल सेम रहता है। अब अपन निकालते हैं वेट। क्या निकालने वाले हैं अपन? डेरिवेटिव ऑफ लॉस डिवाइडेड
बाय डेरिवेटिव ऑफ़ W1 ओल्ड। अब ये कैलकुलेट करते हैं। इसको कैलकुलेट करने के लिए अगेन आपको डेरिवेटिव ऑफ़ लॉस तो करना ही पड़ेगा
क्योंकि एवरीथिंग इज़ डिपेंडेंट ऑन द लॉस। मतलब लॉस से ही आपकी सारी चीजें शुरू होती हैं। और कहीं ना कहीं डेरिवेटिव ऑफ़ आउटपुट
थ्री से ही सारी चीजें वर्क करती हैं। ठीक है? क्योंकि दीज़ दीज़ आर द फर्स्ट कल्पेट्स। जो भी आपका लॉस आया सबसे पहला
कल्पेट आउटपुट थ्री है। अपन उल्टा जा रहे हैं। बैकवर्ड प्रोपगेशन पे जा रहे हैं। तो अपन लोग आउटपुट थ्री से तो सबसे पहले डील
करते ही हैं। फिर आउटपुट थ्री से डील करने के बाद अब मैं किसके पास जाऊंगा? आउटपुट थ्री बोलेगा कि यार मेरे को जो लॉस मिला
है या फिर मेरी वजह से जो लॉस आया है मेरे पे एक और बंदा डिपेंडेंट है एंड दैट इज आउटपुट वन। मतलब आउटपुट वन की वजह से मुझे
कुछ वैल्यू्यूज मिली जिसकी वजह से मैंने लॉस दिया। तो मैंने बोला कि भैया तो फिर डेरिवेटिव ऑफ़ आउटपुट थ्री किसको बोलेगा?
डेरिवेटिव ऑफ़ आउटपुट वन को बात करेगा। ठीक है? आउटपुट वन से ही बात करेगा। आउटपुट वन कुछ-कुछ आया था अपना। ऊपर अपन ने
कैलकुलेशन भी किया है। लेकिन फिर आउटपुट वन बोलेगा भैया मेरा जो आउटपुट आया है वो किसी और बंदे की वजह से आया है। वो आया है
वेट वन की वजह से। तो अपन इंटू कर देंगे क्या? डेरिवेटिव ऑफ आउटपुट वन बाय डेरिवेटिव ऑफ वेट वन ओल्ड। दैट्स इट। और
जब यह पूरा कैलकुलेशन करेंगे, इसका रिजल्ट आएगा। इसको पुट कर देंगे यहीं पे। एंड दैट्स इट। आपका रिजल्ट आ जाएगा। कितना
सिंपल है। देखो, अगेन वापस से अब आपको पॉज करके खुद का निकालना है। डेरिवेटिव ऑफ या फिर आप बोल सकते हो वेट सिक्स का निकालना
है। ठीक है? अब वेट सिक्स का कैसे निकालूंगा? पॉज करके कर लो। नहीं तो मैं बता ही रहा हूं। वेट सिक्स न्यू इक्व वेट
सिक्स का जो ओल्ड वाला वर्जन चल रहा है माइनस लर्निंग रेट इंटू अब यहां पे जो वैल्यू आएगी उसके लिए अपने को लिखना पड़ेगा
डेरिवेटिव ऑफ़ लॉस डिवाइडेड बाय डेरिवेटिव ऑफ़ W6 ओल्ड दैट्स इट। ठीक है? और इसकी वैल्यू क्या आएगी? इसकी वैल्यू आएगी भैया
सबसे पहले तो डेरिवेटिव ऑफ़ लॉस डिवाइड बाय डेरिवेटिव ऑफ़ O3 करना ही पड़ेगा। क्यों? क्यों करना पड़ेगा आउटपुट थ्री से? क्योंकि
भैया यहां से आपका चेन रूल शुरू होता है। मतलब सबसे पहली चीज तो यही है। यहीं से आप बैकवर्ड प्रोपगेशन पे जाओगे। ठीक है? फिर
O3 बोलेगा भैया मेरा जो रिजल्ट आया वो O2 की वजह से आया है। तो O2 पे अपन लोग बात करेंगे। तो O2 पे बात करने के लिए
डेरिवेटिव ऑफ़ O3 / डेरिवेटिव ऑफ़ O2 ठीक है? इससे अपन कंपेयर कर देंगे। फिर मल्टीप्लाई करेंगे O2 बोलेगा नहीं यार वेट
सिक्स की वजह से मेरा रिजल्ट आया था। तो इंटू डेरिवेटिव ऑफ़ O2 / डेरिवेटिव ऑफ़ वेट 6 ओल्ड। दैट्स इट। यहां से ये जो भी
निकलेगा इसको यहां पे पुट करेंगे और अपना रिजल्ट आ जाएगा। दैट्स इट। अब रिजल्ट कैन बी इन नेगेटिव, कैन बी इन पॉजिटिव। वो
अपने डिफरेंट-डिफरेंट वेट्स होते हैं। और फाइनली जब आप इन सब चीजों को कैलकुलेशन करते हो, आपका एक नया वेट आता है। सो दैट
मींस भैया आप यह बोलना चाह रहे हो कि आप हर एक वेट को कैलकुलेट करते हो? हां, हर एक वेट को कैलकुलेट करता है इन अ सिंगल
बैक प्रोपगेशन। और सारे ही वेट्स को मैं ऐसे अपडेट करता हूं। और अगर टेक्निकली देखा जाए, व्हाट्स द वेट अपडेशन फार्मूला?
दिस इज़ द वेट अपडेशन फार्मूला। इस पे मैं ग्रीन से हाईलाइट कर देता हूं। बहुत ध्यान से देख लो।
लेट मी डू वन थिंग। यहां पे मैं पर्पल लाइनिंग लेता हूं। पर्पल लाइनिंग से दिस इज़ द वेट अपडेशन फार्मूला। दैट्स इट। आई
होप आपको ये समझ आया होगा। और इस पे थोड़ा सा मैं ये भी चला सकता हूं क्या पेन? बहुत गंदा लग रहा है। माफ़ कर देना मेरे
को। ठीक है? तो आई होप आपको ये समझ आया होगा कि क्या होता है वेट अपडेशन फार्मूला। ठीक है? और ये वेट अपडेशन
फार्मूला मतलब एक बार जब मैं बैक प्रोपगेशन करता हूं तो सारे ही वेट्स को अपडेट कर देता हूं। सो दिस इज़ हाउ थिंग्स
वर्क। अब होता क्या है? एक बार आप फॉरवर्ड प्रोपगेशन करते हो और फिर उसके बाद आपके पास कुछ ना कुछ आता है लॉस। फिर उस लॉस को
यूज करके उसका डेरिवेटिव्स निकाल के फाइनली आप अपने सारे वेट्स को अपडेट कर देते हो। ठीक है? आफ्टर अपडेटिंग। देखो
भाई, मैं साफ बात बता रहा हूं। मैंने जहां तक मैथ्स बता सकता था, बताई। इसके आगे की अगर मैं मैथ्स बताऊंगा, तो आप लोग कंफ्यूज
जाओगे और आप लोग बोलोगे छोड़ देते हैं डीप लर्निंग। तो छोड़ना नहीं है। दीज़ आर समथिंग इंटशंस जो आपको बस पता होने चाहिए।
ठीक है? अब इसके आगे अपन क्या करते हैं? व्हाट्स द नेक्स्ट स्टेप? द नेक्स्ट स्टेप इज़ यूजिंग एन ऑप्टिमाइजर। नाउ लेट मी टेल
यू व्हाट एन ऑप्टिमाइजर इज़ बहुत ध्यान से समझना। ठीक है? ऑप्टिमाइजर आपने यूज़ किया। ग्रेडियंट डिसेंट इज़ एन ऑप्टिमाइजर। ठीक
है? तो अब अपन लोगों ने ये सोचा था कि भैया यार आपने एक एक्टिवेशन फंक्शन यूज़ किया था। दैट वाज़ ग्रेडियंट डिसेंट। और उस
एक्टिवेशन फंक्शन नो नॉट ग्रेडियंट सॉरी एक एक्टिवेशन फंक्शन यूज़ किया था। दैट वाज़ सिग्मोइड एक्टिवेशन। और उसको यूज़ करने के
बाद आपका एक रिजल्ट आया था। फिर उस रिजल्ट से आपको कुछ ना कुछ लॉस मिला। ठीक है? फिर आपने उस लॉस का यूज करके आपने वेट्स को
अपडेट कर दिया। ठीक है? अब आपने मल्टीपल वेट्स लिए। तो मान लो अपने पास पहले वेट वन, वेट टू, वेट थ्री, वेट फोर, वेट फाइव
ऐसे ही वेट सिक्स ऐसे मल्टीपल वेट्स थे। तो इनकी वजह से आपका लॉस आ रहा था 0 लेट्स से 432 का आ रहा था लॉस। ठीक है? लेट्स से
ये लॉस था। अब आपने क्या किया? आपने वेट अपडेशन फार्मूला किया। एक आगे गए और फिर एक पीछे गए। फॉरवर्ड के बाद एक बैकवर्ड
प्रोपगेशन किया। उल्टा गए उल्टे में सारे वेट्स को चेंज किया और आफ्टर चेंजिंग अब आपका जो लॉस है वो आ रहा है 0 349
तो दिस इज़ द लॉस नाउ तो ऑब्वियसली देयर इज़ एन इंप्रूवमेंट आपने इंप्रूव करा अपने मॉडल को मतलब आप एक बार जब फॉरवर्ड से एक
बार बैकवर्ड प्रोपगेशन किया यू इंप्रूव्ड योर मॉडल लेकिन क्या भैया अभी भी अपन सेटिस्फाइड हैं नहीं तो अब यहां पे अपन
यूज़ करते हैं मल्टीपल फॉरवर्ड वर्ड्स एंड मल्टीपल बैकवर्ड प्रोपगेशन। और अपने को यह कैसे पता चलेगा कितने करने हैं और कहां पे
रुकना है? उसके लिए अपन यूज़ करते हैं ऑप्टिमाइज़र्स का। ऑप्टिमाइज़र्स कैसे वर्क करेंगे? अब मान लो भैया ऑप्टिमाइज़र्स तो
बहुत ही सिंपल है। आपको पता है क्या करने वाले हैं अपन? ग्रेडियंट डिसेंट का यूज़ करने वाले हैं। यू आर गेटिंग सम ऑफ दी
लॉसेस। ठीक है? और अपन के पास लॉस आते जा रहे हैं और अपने को पता है वेट वन, वेट टू, वेट थ्री, वेट फोर की वैल्यूज़ के साथ
आ रहे हैं। तो व्हाट यू डू इज़ आफ्टर दिस यहां पर अपन यूज़ करते हैं
आफ्टर दिस वी यूज ऑप्टिमाइजर
ऑप्टिमाइजर्स लाइक ग्रेडियंट डिसेंट एंड बाय द वे वन मोर थिंग अगर आप लॉस कैलकुलेट कर रहे हो इट्स नॉट ऑलवेज
नेसेसरी टू कैलकुलेट द लॉस यूजिंग लेट्स से आप ये बोल सकते हो अ लॉग लॉस फंक्शन यू कैन यूज़ मीन स्क्वायर एरर एज़ वेल। लेकिन
वो तब करना जब आपके पास रिग्रेशन प्रॉब्लम हो। अगर आपके पास क्लासिफिकेशन है तो लॉग लॉस इज़ द बेस्ट फॉर लॉस। ठीक है? लॉस कर
दिया। अब अपन ऑप्टिमाइज़र्स यूज़ करते हैं। ऑप्टिमाइज़र्स में ग्रेडियंट डिसेंट का यूज़ करते हैं। अब यहां से तो आपको पता ही है
क्या स्टोरी चलती है। ग्रेडियंट डिसेंट में आपके पास एक कर्व बनता है। और इस कर्व में अपने को कहां पहुंचना पड़ता है? ग्लोबल
मिनीमा पॉइंट तक पहुंचना पड़ता है। अब मान लो जब आपने ये वाले वेट सेट ऑफ ये वाले वेट्स यूज़ करे थे। आपका पॉइंट यहां पे लाई
कर रहा था। अब ऑब्वियसली आपको कहां पे पहुंचना है? ग्लोबल मिनीमा पॉइंट पर पहुंचना है। तो ग्लोबल मिनीमा पॉइंट पर
पहुंचने के लिए आपको आपकी वैल्यूस को या फिर वेट को इनक्रीस करना पड़ेगा। आई होप ये चीज समझ आ रही है। ठीक है? अगर आपका
लॉस इस पॉइंट पे आता तो आप क्या करते? वेट को डिक्रीज करते। तो अगर आप ग्लोबल मिनीमा पॉइंट तक पहुंचना चाह रहे हो तो अगर आपका
लॉस कम आ रहा है या फिर आपका मतलब लेट्स से जो भी लॉस आ रहा है वो आपके ग्लोबल मिनीमा से इस साइड पे लेफ्ट साइड पे तो
आपकी वैल्यू पॉजिटिव आएगी। नहीं तो आपकी वैल्यू कहां जानी चाहिए? नेगेटिव जानी चाहिए। सो दिस इज द वेरी बेसिक थिंग जो
अपन करते हैं। तो भैया आप ये बोल रहे हो क्या मल्टीपल टाइम्स अपन फॉरवर्ड एंड बैकवर्ड प्रोपगेशन करते हैं? हां करते
हैं। क्योंकि अगर एक बार फॉरवर्ड से बैकवर्ड गए तो आपने एक बार चेंज किया वेट्स को। लेकिन जरूरी नहीं है ये वाले जो
चेंज्ड वेट हैं बिल्कुल सही रिजल्ट थे। फिर आप वापस से यही चीज करते हो। फिर से आप अपने वेट्स को चेंज करते हो और फिर से
आपके डिफरेंट वेट्स आते हैं और फिर से आपका अलग से लॉस कैलकुलेट होता है। एंड फाइनली लॉस कैलकुलेशन कब रोकते हैं? जब
अपन ग्लोबल मिनीमा पॉइंट पे लीस्ट लॉस पे पहुंच जाएं। एंड दैट्स इट। दिस इज़ हाउ यू एक्चुअली वर्क विद आप बोल सकते हो फॉरवर्ड
एंड बैकवर्ड प्रोपगेशन या फिर आर्टिफिशियल न्यूरल नेटवर्क कैसे वर्क करते हैं। ठीक है? अब यहां पे एक और चीज बताना चाहूंगा।
ये जो ग्लोबल मिनीमा पॉइंट था ये सब अचीव हो गया। पॉजिटिव हो गया, नेगेटिव हो गया। सब कुछ हो गया है। व्हाट वाज़ आई वाज़ गोइंग
टू टेल। आप जब एक फॉरवर्ड प्रोपगेशन करते हो और एक बैकवर्ड प्रोपगेशन करते हो। इसको अपन बोलते हैं इपॉक। क्या बोलते हैं? ई पी
ओ सी एच ईपॉक इज़ इक्व वन इपॉक इक्व वन फ़वर्ड प्रोपगेशन एंड वन बैकवर्ड प्रोपगेशन। इसका फुल फॉर्म आप अपने नोट्स
में लिख लेना। ठीक है? वन इपॉक इक्वल्स टू वन फॉरवर्ड एंड वन बैकवर्ड। ठीक है? अब अपन मल्टीपल टाइम्स इपॉक्स कर सकते हैं
अपने न्यूरल नेटवर्क्स को ट्रेन करते समय। मतलब ऑब्वियसली मैं देखता जाता हूं कितने इपॉक्स में मेरी एक्यूरेसी बढ़ती जा रही
है। फॉर एग्जांपल हो सकता है आपने एक इपॉक करा। आपकी 62% एक्यूरेसी आ रही है। आपने सेकंड एपॉक किया। आपकी एक्यूरेसी 62 से बढ़
के हो गई। लेट्स से 69%। ठीक है? फिर आपने थर्ड एपॉक किया। आपकी एक्यूरेसी बढ़ के हो गई 72। आपने फोर्थ एपॉक किया। आपकी
एक्यूरेसी बढ़ के हो गई 72 के बाद 84%। ठीक है? मान लो फिफ्थ एपॉक किया। आपकी एक्यूरेसी हो गई 86%। और ऐसे ही करते-करते
20थ एपॉक पे 20थ एपॉक मतलब आप समझ रहे हो क्या होता है एपॉक मतलब एक फॉरवर्ड एंड एक बैकवर्ड प्रोपगेशन। 20थ एपॉक पे आपकी
एक्यूरेसी हो गई 92% और फिर अब आपकी कास्टेंट 92 पे ही टहल रही है बात। ठीक है? तो यहां पे अब आप अपने ट्रेनिंग को
रोक देते हो। एंड यू डू दिस जब तक आपकी एक्यूरेसी एक सर्टेन पॉइंट या फिर आपका जो लॉस है वो ग्लोबल मिनीमा तक अचीव नहीं हो
जाता। एंड दीज़ आर सम ऑफ द ऑप्टिमाइज़र्स। क्या भैया अपन ग्रेडियंट डिसेंट ऑप्टिमाइजर ही यूज़ करते हैं? नहीं। अपन
कुछ और भी यूज़ करेंगे। देखेंगे बाद में। क्या भैया अपन लॉस फंक्शन में हमेशा यही यूज करेंगे। क्या नाम है? लॉग लॉस। नहीं
अपन हो सकता है अगर क्लासिफिकेशन की जगह रिग्रेशन प्रॉब्लम हो तब अपन यूज़ करेंगे। कौन सी चीज? मीन स्क्वाड एरर यूज़ कर सकते
हैं। क्या भैया अपन हमेशा सिग्मॉयड एक्टिवेशन फंक्शन ही यूज़ करेंगे या फिर एक्टिवेशन फंक्शन में सिग्माइड ही करेंगे।
नहीं अपन रेलू भी यूज़ कर सकते हैं। देयर आर मल्टीपल एक्टिवेशन फंक्शनंस एज वेल। तो अब अपन ने सीख लिया है बेस स्ट्रक्चर ऑफ
डेटा। आप बोल सकते हो डीप लर्निंग। और यह जो बेस स्ट्रक्चर है इसमें अपन ने सीखा कैसे एक परसेप्टन बना। कैसे परसेप्टन बनने
के बाद एक न्यूरल नेटवर्क क्रिएट हुआ। कैसे न्यूरल नेटवर्क में एक फॉरवर्ड प्रोपगेशन हुआ? कैसे ही न्यूरल नेटवर्क
में बैकवर्ड प्रोपगेशन हुआ। कैसे आपके वेट्स थे? कैसे आप वेट्स को असाइन करते हो? कैसे वेटेड सम निकालते हो? वेटेड सम
निकालने के बाद कैसे आप वापस से वेट को मैनपुलेट करते हो? कैसे आप बैकवर्ड प्रोपगेशन में सब चीजों को अप्लाई करते
हो? तो अगर थोड़ा सा भी आपको लग रहा है देयर इज एनीथिंग जो आपको लग रहा है कि भैया अब भी मेरे दिमाग से जा रही है। सो
इट्स अ रिकॉर्डेड कोर्स या फिर आप बोल सकते हो रिकॉर्डेड वीडियो। आप जल्दी से इसको रिवाइंड करो और आपको वापस से समझ आ
जाएगा। तुरंत करो। ठीक है? वेट मत करना इस चीज के लिए। सो दिस इज़ व्हाट वी हैव टू डू इन डीप लर्निंग। आई होप आप लोग नोट्स
बनाते चल रहे हो और बनाते चलना क्योंकि इसके बाद जो अपन पढ़ने वाले हैं वो और थोड़ा सा टफ हो सकता है। ठीक है? एंड
व्हाट आई वांट इज़ कि अपन लोग इसमें प्रोजेक्ट्स भी करेंगे। तो अच्छे-अच्छे प्रोजेक्ट्स आई एम वास थिंकिंग। लेकिन चलो
देखते हैं उसके लिए अलग वीडियोस निकालेंगे। बट यह वीडियो मैं अभी तक एकआध घंटे के ऊपर हो चुकी होगी और आपको लग रहा
होगा भैया सिर्फ सिर्फ और सिर्फ मैथ्स ही पढ़े जा रहे हैं। तो यस डीप लर्निंग में आपको मैथ्स पढ़नी पड़ेगी। थोड़ी सी पढ़नी
पड़ती है। एंड मैथ्स भी नहीं पढ़नी पड़ती। डोमेन नॉलेज लेनी पड़ती है। फॉर एग्जांपल नाउ यू नो कि कैसे चेन रूल ऑफ डेरिवेटिव
फॉलो होता है। बाय द वे मैं यहां पे लिख देता हूं। दिस इज़ दिस थिंग इज़ नोन एज स्पेशल स्टार्स मैं
लिख देता हूं। थोड़ा सा इंपॉर्टेंट है चेन रूल ऑफ डेरिवेटिव
थोड़ा सा कैलकुलस का यूज़ आ जाता है कभी-कभी। ठीक है? दैट्स इट। आई होप समझ आया होगा। चलो मूव करते हैं नेक्स्ट टॉपिक
पे। लेट्स गो। ओके? सो, नाउ यू फाइनली नो द इंट्यूशन अबाउट फॉरवर्ड एंड बैकवर्ड प्रोपगेशन कि कैसे काम करता है, कैसे
वेट्स डिस्ट्रीब्यूट होते हैं? कैसे वेट्स को अपडेट किया जाता है? क्या होता है चेन रूल ऑफ डेरिवेटिव? यू नो ईच एंड एवरीथिंग।
आपको पता है क्या होते हैं ऑप्टिमाइज़र्स? क्या होते हैं एक्टिवेशन फंक्शनंस? यू आल्सो नो व्हाट आर दीज़ थिंग्स? ठीक है? सब
कुछ मतलब आपको समझ आ गया। लेकिन नाउ लेट्स टॉक अबाउट सम मोर थिंग एंड दैट इज़ एक्टिवेशन फंक्शन। ठीक है? मतलब डू यू
रियली थिंक कि आप पूरी डीप लर्निंग पढ़ रहे हो और आपके पास सिर्फ एक एक्टिवेशन फंक्शन होगा। सो यू आर रोंग। ऑब्वियसली देयर आर
मल्टीपल एक्टिवेशन फंक्शनंस और उन्हीं को अपने को देखना है। लेकिन सबसे पहले बात करते हैं देयर इज़ एन एक्टिवेशन फंक्शन दैट
इज़ अ जस्ट वेट अ सेकंड एंड दैट एक्टिवेशन नेम फंक्शन इज़ क्या है अपना सिग्माइड एक्टिवेशन फंक्शन। ठीक है? सबसे पहले तो
भैया मैं यहां पे वो डाल देता हूं कि व्हाट वी आर गोइंग टू लर्न। सो नाउ लेट्स टॉक अबाउट
एक्टिवेशन फंक्शनंस। ठीक है? एंड एक्टिवेशन फंक्शनंस में सबसे पहला जो फंक्शन था एंड दैट वाज़
व्हाट आर सिग्मोइड एस आई जी एम ओ आई डी सिगोइड एक्टिवेशन फंक्शन और इसका फार्मूला क्या था? 1 / 1 + e टू दी पावर ऑफ़ - Z. सो
दिस इज़ द फार्मूला ऑफ़ आवर सिग्मॉयड एक्टिवेशन फंक्शन। यह चीज़ अपन सभी को पता है। लेकिन इस सिग्मॉयड एक्टिवेशन फंक्शन
के साथ एक प्रॉब्लम है। और जब भी अपन इसको अप्लाई करते हैं एंड दैट प्रॉब्लम इज़ वैनिशिंग ग्रेडियंट प्रॉब्लम। कौन सी?
वैनिशिंग ग्रेडियंट प्रॉब्लम। और मानो या ना मानो इट इज़ अ वेरी
इंपॉर्टेंट टॉपिक। क्योंकि इसको कई बार पूछ लिया जाता है कि क्यों आप सिग्माइड एक्टिवेशन फंक्शन यूज़ नहीं करते हो? उसकी
जगह आप क्यों tan, h वैल्यू जैसी चीजों को यूज़ करते हैं? तो समझना एक बहुत ही सिंपल सी चीज। सिग्माइड एक्टिवेशन फंक्शन अपन
यूज़ कब करते हैं? ये तब यूज़ करते हैं जब मुझे क्लासिफिकेशन टास्क करना हो। या फिर मुझे एक वैल्यू चाहिए जो हमेशा वन और ज़ीरो
के बीच में ही रेंज करे। सो यूजुअली अपन क्या करते हैं? सिग्माइड एक्टिवेशन फंक्शन का अप्लाई करते हैं। और उसके बाद आपको
वैल्यू ज़ीरो और वन के बीच में मिल सकती है। इट कैन बी 0.8, इट कैन बी 0.6 और हमेशा वो एक प्रोबेबिलिटी एस्टिमेशन रहता
है। ठीक है? और ये कब यूज़ नहीं करते? जब मेरे को रिग्रेशन टास्क करना है, लेट्स से मेरे को सैलरी की बात करनी है, मेरे को
एजेस की बात करनी है। इन सब चीजों को जब मुझे करना रहता है, तब मैं सिग्माइड एक्टिवेशन फंक्शन यूज़ नहीं करता। क्या
भैया सिग्माइड एक्टिवेशन फंक्शन अपन किसी रिग्रेशन टास्क में भी यूज़ कर सकते हैं? हां, कर सकते हैं। लेट मी टेल यू वन
एग्जांपल। लेट्स से आपको चर्न प्रेडिक्शन करना है और चर्न प्रेडिक्शन में आपको परसेंटेज निकालना है। प्रोबेबिलिटी
निकालना है कि ये बंदा क्या कितना परसेंट छोड़ सकता है अभी कंपनी को। को लेट्स से उसने छोड़ा नहीं है। लेकिन स्टिल ही इज़ एट
0.49% मतलब 49% ही इज़ रेडी टू लीव द कंपनी। आई होप ये चीज़ समझ आ रही है। ठीक है? ज़ीरो और वन के बीच में जब भी
स्पेसिफिक वैल्यूज़ चाहिए तब अपन सिग्मॉयड एक्टिवेशन फंक्शन का यूज़ करते हैं। अब बात करते हैं कि क्या है ये वैनिशिंग
ग्रेडियंट प्रॉब्लम? और क्यों अप क्यों अकर होती है सिग्माइड एक्टिवेशन फंक्शन की वजह से। द वैनिशिंग ग्रेडियंट प्रॉब्लम
हैपेंस ड्यूरिंग बैक प्रोपगेशन। कहां पे होती है? बैक प्रोपगेशन। मतलब फॉरवर्ड प्रोपगेशन में नहीं होते। आई विल
एक्सप्लेन यू ईच एंड एवरीथिंग। व्हेन ग्रेडियंट्स द स्मॉल अपडेट वी कैलकुलेट टू एडजस्ट वेट जब अपन लोग जब अपने वेट्स को
अपडेट करते हैं बिकम सो टाइनी दैट द अर्लियर लेयर ऑफ द डीप न्यूरल नेटवर्क स्टॉप लर्निंग। आई विल टेल यू व्हाट डीप
न्यूरल नेटवर्क इज़ इन अदर वर्ड्स वन ट्रेनिंग डीप नेटवर्क्स ग्रेडियंट आर मल्टीप्लाई लेयर बाय लेयर। इफ दीज़
ग्रेडियंट्स आर वेरी स्मॉल। जैसे लेट्स लेस दैन वन और हमेशा होंगे ग्रेडियंट्स वेरी स्मॉल। क्योंकि अपन अगर सिग्माइड
एक्टिवेशन फंक्शन लगाएंगे। दिस विल गिव अस द स्लो वैल्यूज़। मल्टीपाइंग देम अक्रॉस मेनी लेयर्स मेक देम श्रिंक टुवर्ड्स
ज़ीरो। ठीक है? दिस मींस द फर्स्ट फ्यू लेयर्स क्लोजर टू द इनपुट नेवर गेट अपडेटेड प्रोब्ली। सो द आप बोल सकते हो
नेटवर्क फेल्स टू लर्नेंट लो लेवल फीचर। ठीक है? भैया कुछ समझ नहीं आया। आपने लिख तो दिया, बोल तो दिया लेकिन हमें समझ नहीं
आया। कोई दिक्कत नहीं। अब मैं ध्यान से समझना मैं समझाने वाला हूं। देखो कभी आपने वो गेम देखा है? एक Instagram पे चलता है
कि मैं एक इमेज बनाऊंगा आपकी पीठ पे और वो इमेज किसी चीज की बनाई। मैंने बतख की बनाई लेट्स से। ठीक है? एक बतख की इमेज बनाई और
ऐसे-ऐसे करके। और फिर दूसरे वाले सामने ने एक बतख की जगह एक बिल्ली का एक मुंह बना दिया। ऐसे-ऐसे करके। फिर वो आगे जाता जा
रहा है। तो फिर वो मुंह भी नहीं हुआ। फिर वो बस एक ऐसा हो गया। एक आंख रह गई। फिर वो सर्कल की जगह किसी ने एक डब्बा ही बना
दिया। और फिर वो ऐसे-ऐसे करते-करते आखिरी में बस कुछ-कुछ बच जाता है। ठीक है? सो दिस इज अ वैनिशिंग ग्रेडियंट प्रॉब्लम।
लेट मी एक्सप्लेन यू व्हाई। स्टार्टिंग में जो बंदा है वो तो बिल्कुल सही कर रहा था। लेकिन आगे जाते-जाते जाते-जाते वो
वैनिश हो गया। या फिर आप बोल सकते हो गायब हो गई वो चीज। और यही चीज वैनिशिंग ग्रेडियंट प्रॉब्लम में होती है। लेट मी
एक्सप्लेन यू हाउ। देखो बहुत ध्यान से। लेट्स से आई एम क्रिएटिंग अ डीप न्यूरल नेटवर्क। ठीक है? अ डीप न्यूरल नेटवर्क
क्या होता है भैया? डीप न्यूरल नेटवर्क मतलब आपके पास काफी सारी हिडन लेयर्स होती हैं। लेट्स से देयर आर फाइव हिडन लेयर्स।
तो आपके पास क्या रहेगा? एक रहेगा इनपुट। ठीक है? एक इनपुट तो रहता ही है। लेट मी चेंज द कलर टू ग्रीन। ठीक है? सो, लेट्स
से यू हैव वन इनपुट। ठीक है? फिर आपके पास क्या है? हिडन लेयर्स हैं। एक हिडन लेयर यहां होगी। एक हिडन लेयर यहां होगी। एक
हिडन लेयर यहां होगी। और एक हिडन लेयर यहां होगी। यहां पे और नीचे-नीचे भी होंगे। लेकिन मैं उन सबको बना नहीं रहा
हूं। ठीक है? आई एम जस्ट यूजिंग वन ऑफ दी रो ऑफ योर डीप न्यूरल नेटवर्क। ठीक है? एंड इनसाइड दैट रो लेट्स से आपको पता है
दिस इज़ योर इनपुट। यहां से क्या आएगा? इनपुट आएगा। ये गया x1 या फिर आप बोल सकते हो इनपुट आर गॉन। अब यहां से अपने पास एक
और चीज़ रहेगी। एंड दैट इज़ ऑब्वियसली आपके जो न्यूरल नेटवर्क्स हैं वो क्या रहेंगे? एक दूसरे से कनेक्टेड रहेंगे। इट्स अ वेरी
सिंपल थिंग। ठीक है भैया। सब समझ आएगा। अब देखना मैनिशिंग ग्रेडियंट प्रॉब्लम और बहुत अच्छी चीज़ है ये। ठीक है? मतलब आपको
आनी चाहिए इंटरव्यू में पूछ ली जाती है। ठीक है? देन यू हैव वेट्स W1 W2 W3 W4 एंड दैट्स इट। ठीक है? और यहां से आउटपुट आ
जाता है। लेट्स से यू हैव फोर वेट्स और यहां पे आपके पास अ B1 B2 B3 B4 ठीक है? एंड लेट्स से आपके
पास एक क्लासिफिकेशन टास्क है। एंड यू आर गोइंग टू अप्लाई द सिग्माइड एक्टिवेशन फंक्शन हियर। वेरी सिंपल। तो अगर आप
सिग्माइड एक्टिवेशन फंक्शन अप्लाई करते हो ना लेट मी अह टेल मी वन थिंग। बहुत ईजी बहुत ईजी सा क्वेश्चन है। आपके पास ये
इनपुट आया x1 का। आप क्या करते हो? x1 * w1 करते हो। इट्स वेरी सिंपल। मान लो x1 की वैल्यू 26 है। ठीक है? और मान लो वेट
वन मैंने डिसाइड करके रखा है वन। द वेट वन इज़ वन। तो 26 * 1 कितना हो जाएगा? ऑब्वियसली भैया 26 * 1 हो जाएगा। क्योंकि
अपन क्या करते हैं? किसी फर्स्ट आउटपुट ये O1 को निकालने के लिए क्या करूंगा मैं? ऑब्वियसली x1 * w1 करूंगा। एंड दैट्स द
फार्मूला। और फिर अपन क्या करेंगे? इसमें बायस ऐड कर देंगे b और बस हो गया काम। ठीक है? सो दिस। लेकिन अब अपने पे अपने अपने
को क्या करना पड़ेगा? इसमें सिग्माइड एक्टिवेशन फंक्शन अप्लाई करना पड़ेगा। क्यों? क्योंकि इसका तो रिजल्ट क्या आ
जाएगा? ज़ीरो से बड़ा हो जाएगा। वन से बड़ा आ जाएगा। लेकिन आई डोंट वांट द रिजल्ट टू बी वन से बड़ा। तो अपने को क्या करना
पड़ेगा? ज़ीरो और वन के बीच में लाने के लिए एक्टिवेशन फंक्शन अप्लाई करना पड़ेगा। सो आई अप्लाई अप्लाइड द सिग्माइड
एक्टिवेशन फंक्शन एंड द रिजल्ट आई गॉट वाज़ 1 / 1 + 26 ओ सॉरी 1 / 1 + e पावर ऑफ़ - z एंड z विल बी 26 * 1 या फिर अपन बोल सकते
हैं + b एंड दिस विल बी द रिजल्ट ऑफ योर सिग्माइड एक्टिवेशन फंक्शन या फिर अपन बोल सकते हैं इस पूरे पे मैंने एक सिग्माइड
एक्टिवेशन फंक्शन अप्लाई कर दिया एंड आफ्टर डूइंग दैट जो वैल्यू मेरे को ज़ीरो से या वन से बड़ी मिल रही थी वो मिल गई
कितनी 0.623 लेट्स से दिस इज़ वन ऑफ़ द वैल्यू। सो आउटपुट वन वाज़ 0.623। ठीक है? अब इसके पास ये जो आउटपुट आया
इसको अपन आगे लेके जाएंगे। वेट्स को मल्टीप्लाई करेंगे इससे और फिर बायस ऐड करेंगे। फिर सिग्माइड फंक्शन अप्लाई
करेंगे। एंड लेट्स से अब आपके पास मल्टीपल आउटपुट्स आ गए। 0.823 आ गया। यहां पे आ गया 0.729 आ गया। क्योंकि ये जो आपके
आउटपुट्स हैं डिपेंड करता है आपके वेट्स पे। लेकिन अब ये मेरे को गारंटी है वो हमेशा ज़ीरो से छोटे ही आएंगे। ठीक है? और
फिर आ गया 0.294 लेट्स से मल्टीपल ऐसे आपके पास रिजल्ट्स आ गए वेरी सिंपल। और ये हो गया आपका फाइनल
आउटपुट। फिर आपने लॉस पॉस कैलकुलेट किया एंड देन यू मूव मूव टुवर्ड्स दी बैक प्रोपगेशन फज़। मतलब अब आप पीछे जाना
स्टार्ट कर रहे हो। नाउ अंडरस्टैंड वन थिंग। जब आप पीछे जाओगे तो बैक प्रोपगेशन में अपन एक चीज़ यूज़ करते हैं। एंड दैट इज़
चेन रूल ऑफ़ डेरिवेटिव्स। या फिर अपन बोल सकते हैं यू आर यूज़िंग डेरिवेटिव। लेकिन अब एक बहुत बड़ी प्रॉब्लम आती है। अगर आप
डेरिवेटिव निकालना चाह रहे हो किसी भी चीज का और अगर आप किसी पॉइंट वैल्यू का डेरिवेटिव निकालते हो तो हमेशा आपका जो
रिजल्ट है वो छोटा आएगा। या फिर आप बोल सकते हो 0.25 से लेके ज़ीरो के बीच में ही आएगा। लेट मी गिव यू अगेन एन एग्जांपल।
मान लो आपके पास एक नंबर है 100। 100 में अगर आप कुछ मल्टीप्लाई करते हो लेट्स से टू का मल्टीप्लाई करते हो तो क्या आएगा?
200 हो जाएगा। वन का करते हो क्या हो जाएगा? 100 हो जाएगा। लेकिन अगर यहीं पे आप 100 में किसी पॉइंट वैल्यू को
मल्टीप्लाई करते हो लेट से 0.5 का मल्टीप्लाई कर दिया। देख के ऐसा लग रहा होगा कि भैया बड़ी वैल्यू आएगी। वी आर
मल्टीपाइंग समथिंग। लेकिन इसकी वैल्यू कितनी आ जाती है? 50 आती है। फिर आप बोल सकते हो आपकी वैल्यू रिड्यूस हो जाती है
इफ यू आर मल्टीपाइंग समथिंग। और डेरिवेटिव्स तो बिल्कुल ही अलग खेलते हैं। इफ यू हैव लर्न कैलकुलस आपको पता होना
चाहिए कि अगर ज़ीरो और वन के बीच में किसी भी चीज का डेरिवेटिव निकालेंगे वो हमेशा 0.25 से नीचे वैल्यू प्रोवाइड करेगा या
फिर ज़ीरो और 0.25 के बीच में वैल्यू आएगी। एंड दिस इज़ व्हाट ग्रेनिशिंग ग्रेडियंट प्रॉब्लम इज़। लेट मी एक्सप्लेन यू। देखो
अब मान लो आई वांट टू अपडेट दिस वेट वन। मैं किसको अपडेट करना चाहता हूं? वेट वन को अपडेट करना चाहता हूं। सो फॉर अपडेटिंग
द वेट वन मेरे पास एक फार्मूला है। एंड द फार्मूला इज़ वेरी सिंपल। w न्यू = W ओल्ड माइनस सॉरी W हां सॉरी W ओल्ड माइनस
लर्निंग रेट * W नहीं सॉरी इंटू डेरिवेटिव ऑफ़ लॉस जो अपना कैलकुलेट
होगा यही यहां से अपन माइनस कर लेंगे हो जाएगा लॉस कैलकुलेट कोई सा भी यूज़ कर सकते हैं अपन log लॉस या फिर ऑब्वियसली जो भी
अपने पास रहता है डेरिवेटिव ऑफ़ लॉस डिवाइड बाय डे डेरिवेटिव ऑफ़ W होल्ड। सो दिस वाज़ द फ़ूला। और अगर मैं
सिर्फ इस सेक्शन की बात करता हूं इस पोर्शन की तो इसको मुझे सॉल्व करना पड़ेगा। और मुझे किसके लिए करना है? W1 के
लिए करना है। याद रखना वी वांट टू अपडेट W1 तो अगर मैं W1 को अपडेट करना चाहता हूं तो यहां पे कुछ ऐसा आएगा। डेरिवेटिव ऑफ़
लॉस डिवाइडेड बाय डेरिवेटिव ऑफ़ आउटपुट वन। सो दिस इज़ वन, दिस इज़ टू, दिस इज़ थ्री, दिस इज़ आउटपुट फोर। एंड इफ आई वांट टू डू
डेरिवेटिव ऑफ़ W1 ओल्ड तो इसका फार्मूला कुछ ऐसा बनेगा। डेरिवेटिव ऑफ़ लॉज़ डिवाइडेड बाय डेरिवेटिव ऑफ़ आउटपुट फोर इंटू
डेरिवेटिव ऑफ़ आउटपुट फोर बाय डेरिवेटिव ऑफ़ आउटपुट थ्री इंटू डेरिवेटिव ऑफ़ आउटपुट थ्री बाय डेरिवेटिव ऑफ़ आउटपुट टू। क्योंकि
देखो ना ये डिपेंडेंट है ना। आउटपुट फोर आउटपुट थ्री पे डिपेंडेंट है। आउटपुट थ्री आउटपुट टू पे डिपेंडेंट है। आउटपुट टू
आउटपुट वन पे डिपेंड है। दिस इज़ व्हाट चेन रूल इज़। और यहां पे डेरिवेटिव ऑफ़ आउटपुट वन डिवाइडेड बाय डेरिवेटिव ऑफ़ आउटपुट वन।
यहां पे टू हो जाएगा। इंटू डेरिवेटिव ऑफ़ आउटपुट वन इज़ डिपेंडेंट ऑन डेरिवेटिव ऑफ़ वेट। ठीक है? तो डेरिवेटिव ऑफ़ वेट हो गया।
इट्स वेरी सिंपल। वेट वन। इसी पे अपन को निकालना था। एंड दिस विल गिव अस द वैल्यू ऑफ़ दिस एंड आफ्टरवर्ड्स मेरे को मिल जाएगा
नया वेट। नाउ द मेन प्रॉब्लम अराइज़ज़ हियर ओनली। यू आर यूज़िंग डेरिवेटिव ऑफ़ आउटपुट वन। व्हाट वाज़ योर आउटपुट वन? बताओ क्या
था आपका आउटपुट वन? योर आउटपुट वन वाज़ 0.623। और यू कैन से योर आउटपुट वन वाज़ 0.623
बिकॉज़ ऑफ़ सिग्माइड एक्टिवेशन फंक्शन। एंड अगर अपन देखते हैं उस ग्राफ को इफ वी सी दिस ग्राफ अ लेट्स डू वन थिंग। मैं 4D में
बना देता हूं वो ग्राफ्स। क्योंकि अगर मैं अपने सिग्माइड एक्टिवेशन फंक्शन को देखता हूं तो उसका ग्राफ कुछ ऐसा बनता है। ठीक
है? दिस इज़ द ग्राफ। अ बहुत गंदा बनाया मैंने। लेट मी सी ये। हां, ठीक है। सो, दिस इज़ टेक्निकली द ग्राफ ऑफ़ सिग्माइड
एक्टिवेशन फंक्शन। स्क्वाश हो जाती है लाइनें। ठीक है? और स्क्वाश तो करते ही हैं। साथ में ये रहता है भैया ज़ीरो। ये
रहता है वन। और आपका जो मिड पॉइंट होता है वो क्या होता है? 0.5 रहता है। ठीक है? तो अब हमेशा आपको जब फर्स्ट टाइम लगाते हो तो
इन्हीं के बीच में वैल्यू रेंज करेगी। लेकिन अब जब आप डेरिवेटिव लगा दोगे 0.623 जैसी वैल्यू का तो अब उसकी वैल्यू रिड्यूस
हो के हमेशा 0.25 और 0 के बीच में ही आएगी। सो दैट मींस अब अपना यहां से शुरू होता है बैक प्रोपगेशन में वैनिशिंग
ग्रेडियंट प्रॉब्लम। मतलब ये जो 0.623 की वजह से आपका ने जो डेरिवेटिव लगाया उसकी वजह से वैल्यू छोटी आई। तो सारी
वैल्यू्यूज मल्टीप्लाई होती जा रही हैं। छोटी-छोटी छोटी छोटी छोटी-छोटी वैल्यू अगर आप मल्टीप्लाई करोगे तो क्या रिजल्ट होगा?
और छोटा होता जाएगा और वो श्रिंक हो के ज़ीरो तक पहुंच जाएगा। सो दैट मींस आपका जो रिजल्टेंट है वो हमेशा ज़ीरो के आसपास ही
आने लगेगा जितने आप इपॉक्स करोगे। और इपॉक्स क्या था? वन फॉरवर्ड वन बैकवर्ड। तो जैसे ही अपन लोगों ने वन फॉरवर्ड पढ़ा
था समझ आ गया था। लेकिन जब बैकवर्ड करते हैं उसमें अपने पास एक प्रॉब्लम आती है। एंड दैट इज़ वैनिशिंग ग्रेडियंट प्रॉब्लम।
और अब आप समझ रहे होगे मैंने क्यों ये वाला डायग्राम बनाया था जिसमें अपन डायग्राम्स बनाते जाते हैं उल्टे-उल्टे
उल्टे-उल्टे सामने वाला गलत बनाते जाता है और ऐसे ही भैया वेट वन वेट टू वेट थ्री वेट फोर जितना भी अपन सेट करेंगे वो
बार-बार सेट ही नहीं हो पाएंगे लेट मी एक्सप्लेन कैसे जब आपकी वैल्यू छोटी आती जा रही है नया वाला और ओल्ड वाले में
ज्यादा फर्क आ ही नहीं पाएगा और जब फर्क नहीं आएगा तो अपने वेट सेट होते नहीं है और एक्यूरेसी कम होती जाएगी। सो दैट्स
व्हाई वी हैव टू यूज़ एनी अदर एक्टिवेशन फंक्शन। क्योंकि अगर मैंने भैया यह वाला एक्टिवेशन फंक्शन यूज़ किया दैट इज़
सिग्मोइड तो उसमें अपने पास एक प्रॉब्लम आएगी एंड दैट इज़ वैनिशिंग ग्रेडियंट प्रॉब्लम। अब आपको एक चीज़ दिखाता हूं। इफ
यू सी इट अगेन अब आपको और अच्छे से समझ आएगा। द वैनिशिंग ग्रेडियंट प्रॉब्लम्स हैपेंस ड्यूरिंग बैक प्रोपगेशन। और देखो
बैक प्रोपगेशन में हो रही थी व्हेन ग्रेडियंट्स द स्मॉल अपडेट्स वी कैलकुलेट टू एडजस्ट वेट्स। जो अपन ग्रेडियंट्स
कैलकुलेट करते हैं बिकम सो टाइनी दैट द अर्लियर लेयर्स ऑफ़ डीप न्यूरल नेटवर्क स्टॉप लर्निंग। मतलब जो स्टार्टिंग लेयर्स
हैं वो लर्न करना बंद कर देती हैं। यही तो थी क्योंकि देखो यहां पे क्या निकाला अपन ने? डेरिवेटिव ऑफ़
लॉस डिवाइड बाय डेरिवेटिव ऑफ आउटपुट फोर। तो आउटपुट फोर तो वैसे ही छोटा है और छोटा कर देगा इसको। ठीक है? ये और छोटी हो
जाएगी। ये और छोटी हो जाएगा। ये और छोटा हो जाएगा। और ये और ज्यादा ही छोटा हो जाएगा। और जब वेट वन इतना ज्यादा छोटा हो
जाएगा तो ये लर्न करना बंद कर देगा। और जब वेट वन लर्न करना बंद करेगा तो इनपुट ही खराब, आउटपुट भी खराब। सब कुछ खराब हो
जाएगा। बस यह मान के चलो। ठीक है? तो यहां पे हुआ इन अदर वर्ड्स व्हेन ट्रेनिंग डीप नेटवर्क्स ग्रेडियंट्स आर मल्टीप्लाई लेयर
बाय लेयर इफ द ग्रेडियंट आर वेरी स्मॉल दैट इज़ लेस देन वन मल्टीपाइंग देम अक्रॉस मेनी लेयर्स मेक्स देम श्रिंक टुवर्ड्स
ज़ीरो छोटी होती जाती है वैल्यू और वो ज़ीरो की तरफ श्रिंक हो जाता है। दिस मींस द फर्स्ट फ्यू लेयर क्लोज टू द इनपुट नेवर
गेट्स अपडेटेड प्रॉपर्ली। जो स्टार्टिंग की लेयर्स हैं जैसे जो W1 हैं W2 हैं ये अच्छे से अपडेट नहीं हो पाते। सो द
नेटवर्क फेल्स टू लर्नेंट लो लेवल फीचर्स। आई होप आपको समझ आया होगा व्हाट एक्चुअली इज़ द ग्रेडियंट डिसेंट प्रॉब्लम।
ग्रेडियंट डिसेंट बोल रहा हूं। वैनिशिंग ग्रेडियंट प्रॉब्लम। आई एम नॉट सेइंग यू कैन नॉट यूज़ ग्रेडियंट डिसेंट। ग्रेडियंट
डिसेंट तो बहुत अच्छा होता है। उसको यूज़ कर सकते हैं। लेकिन यू कैन नॉट यूज़ सिग्माइड एक्टिवेशन फंक्शन। तो चलो ठीक है
भैया। आप बोल रहे हो सिग्माइड एक्टिवेशन फंक्शन नहीं यूज़ करना है। एग्जैक्टली फिर क्या यूज़ करें? रेलू यूज़ करो। tan यूज़
करो। देयर आर मेनी एक्टिवेशन फंक्शन। और इसीलिए तो यही टॉपिक लिखा था। द नेक्स्ट टॉपिक इज़ एक्टिवेशन फंक्शनंस। लेट्स सी सम
ऑफ़ द एक्टिवेशन फंक्शनंस जो अपन फॉरवर्ड एंड बैकवर्ड प्रोपगेशंस में यूज़ कर सकते हैं। लेट्स गो। अब आपको वैनिशिंग
ग्रेडियंट प्रॉब्लम के बारे में समझ आ गया होगा। और यह किसकी वजह से हो रही है भैया? जल्दी से बता दो। एक चीज की वजह से हो रही
है। एंड दैट इज वन ऑफ दी एक्टिवेशन फंक्शन या फिर आप बोल सकते हो स्पेसिफिकली सिग्मोइड एक्टिवेशन फंक्शन की वजह से हो
रही है। तो मतलब भैया मुझे ये समझ आ रहा है कि सिग्माइड एक्टिवेशन फंक्शन की जगह कोई सा और एक्टिवेशन फंक्शन यूज़ करना
पड़ेगा। एग्जैक्टली तो अब वही समझेंगे कि क्या एक्टिवेशन फंक्शनंस हैं। या फिर आप बोल सकते हो कितने एक्टिवेशन फंक्शनंस
हैं। ठीक है? नाउ दिस पोर्शन माइट फील अ लिट माइट माइट फील अ लिटिल बोरिंग। या फिर मैं तो यह बोल सकता हूं पूरी वीडियो आपको
थोड़ी सी बोरिंग लग रही होगी क्योंकि डीप लर्निंग में पहले आपको इंट्यूशन ही समझना पड़ता है हर एक चीज को और उसके बाद आपको
एक्शन लेना पड़ता है। एंड टेंशन मत लो। दिस विल बी द लास्ट थिंग। इसके बाद आई विल शो सम कोड या फिर मैं कोड में ये सब चीजें
करके दिखाऊंगा। ठीक है? नाउ लेट्स टॉक अबाउट द फर्स्ट एंड फॉरमोस्ट एक्टिवेशन फंक्शन। जो सबसे बेसिक था, सबसे पहले
डिस्कवर किया गया था। इवन जब ये परसेप्टों्स बने थे, उस वक्त पे यह डिस्कवर किया गया था। एंड दैट इज़ लीनियर
एक्टिवेशन फंक्शन। अब लीनियर एक्टिवेशन फ़ंक्शन क्या है भैया? लीनियर रिग्रेशन पढ़ा है। लीनियर रिग्रेशन में क्या आता है भैया
अपने पास? θ0 + θ1 x1 + θ2 x2 और भैया अगर अपन बात करते हैं डीप लर्निंग की। क्या है डीप लर्निंग में? डीप लर्निंग में है बायस
+ वेट 1 * x1 + वेट 2 * x2 या फिर + वेट 3 * x3 तो सेम ही फार्मूला था दोनों का। सही है? सेम चल रहा है। और इसी का जो रिजल्ट
आता है वही डायरेक्टली अपन पास कर देते हैं। दैट्स लीनियर एक्टिवेशन फंक्शन। मतलब कुछ भी स्क्वाश करने की जरूरत नहीं है।
कोई आपको सिग्माइड एक्टिवेशन फंक्शन नहीं लगाना। सिंपल जो रिजल्ट आ रहा है उसको आगे पास कर दो। एक तरीके से टेक्निकली अगर
परसेप्टन में इसको यूज़ करते हैं तो आप लीनियर रिग्रेशन ही यूज़ कर रहे हो। ठीक है? और ये वाला फार्मूला तो हर जगह ही
लगेगा। मतलब पूरी डीप लर्निंग आधे से ज्यादा इसी पे डिपेंडेंट है। इसलिए बोला था स्टार्टिंग में जब मैं मशीन लर्निंग
पढ़ा रहा था कि अगर लीनियर रिग्रेशन अच्छे से पढ़ लिया तो कहीं ना कहीं डीप लर्निंग में आपको बहुत हेल्प मिलेगी। ठीक है? तो
भैया यही सारी चीजें मेरे को पता है कि क्या थी लीनियर एक्टिवेशन फंक्शन? मतलब डायरेक्टली अ लीनियर एक्टिवेशन फंक्शन इज़
द सिंपलेस्ट टाइप ऑफ़ एक्टिवेशन फंक्शन। इट बेसिकली मींस आप सीधे डायरेक्ट वैल्यूज़ को पास कर दोगे। f ऑफ़ x मतलब जो अपन ने
एक्टिवेशन फंक्शन लगाया कुछ नहीं। वही x जो निकल रहा है वही वापस से प्रोवाइड कर दिया। सो द आउटपुट इज़ द सेम एज द इनपुट। द
न्यूरॉन डज़ंट ट्रांसफॉर्म द डेटा। इट जस्ट पाससेस इट फॉरवर्ड एज इट इज़। ठीक है? वेयर डू वी यूज़ इट? इन रिग्रेशन टास्क
ऑब्वियसली प्रेडिक्टिंग कंटीन्यूअस वैल्यूज़ लाइक सैलरी, हाउस प्राइसेस, टेंपरेचर एटसेट्रा। नाउ दिस वाज़ गुड विद
परसेप्टों्स या फिर आप बोल सकते हो जब एक सिंगल आपके पास एक इनपुट लेयर है, एक आउटपुट लेयर है। या फिर आप ये बोल सकते हो
जो लीनियर रिग्रेशन का मैं वर्क करता था वही सेम चीज किस में कर रहा हूं? अब न्यूरॉन्स का यूज़ कर रहा हूं। तो कुछ
डिफरेंस नहीं है। सेम ही आता। यूजुअली इन द आउटपुट लेयर ऑफ न्यूरल नेटवर्क। मतलब अपन इसको यूज़ कहां करते हैं? आउटपुट लेयर
में यूज़ करते हैं न्यूरल नेटवर्क के। बिकॉज़ वी डोंट वांट द आउटपुट टू बी रिस्ट्रिक्टेड बिटवीन ज़ीरो एंड वन।
एग्जांपल जैसे कि सैलरी। सैलरी 50 लाख, 80 लाख के ऊपर जाना चाहिए हाउस प्राइसेस को। तो, आपको एक आखिरी में ऐसा लगाना पड़ेगा
एक्टिवेशन फंक्शन जो ज़ीरो और वन के बीच में रिस्ट्रिक्ट ना करे। ठीक है? अ सिग्मॉयड फंक्शन वुड स्क्वीज़ एवरीथिंग
बिटवीन ज़ीरो एंड वन व्हिच वोंट मेक सेंस हियर। ठीक है? अब लिमिटेशंस क्या है? इफ यू यूज लीनियर एक्टिवेशन फंक्शन इन ऑल
लेयर्स द होल नेटवर्क बिकम जस्ट अ लीनियर मॉडल जो आप मशीन लर्निंग में बनाते थे वही आपने यहां पे बना दिया। तो मतलब जब आप डीप
लर्निंग यूज़ कर रहे हो तो उसमें जो आपकी हिडन लेयर्स होती हैं वहां पे आप इसको यूज़ नहीं करते हो। इसको कहां करते हो? आउटपुट
लेयर में यूज़ करते हो। ठीक है? मतलब मान लो ये है, ये है, ये है। तो ये है आपकी इनपुट, यह आपका आउटपुट, यह आपकी हिडन
लेयर। तो, हिडन लेयर में यू डोंट यूज़ लीनियर एक्टिवेशन फंक्शन। यू ऑलवेज यूज़ यूजज़ इट इन दी आउटपुट लेयर। ठीक है?
दैट मींस इट कैन नॉट कैप्चर कॉम्प्लेक्स नॉन लीनियर पैटर्न्स इन डेटा। दैट्स व्हाई हिडन लेयर यूज़ नॉन लीनियर एक्टिवेशन
फंक्शनंस लाइक रेलू, tan, सिग्मॉयड ये सब समझेंगे। ठीक है? बट द आउटपुट लेयर फॉर रिग्रेशन कैन बी लीनियर। कोई दिक्कत नहीं
है। अब सेकंड जो अपने को पता ही है दैट इज़ सिग्माइड एक्टिवेशन फंक्शन। इसी का यूज़ करके मैंने आपको स्टार्टिंग से एग्जांपल
बताया। सब कुछ समझ आया। ठीक है? द सिग्मॉयड फंक्शन इज़ एन s शेप्ड कर्व दैट स्क्वाशेस एनी रियल नंबर इंटू अ रेंज
बिटवीन ज़ीरो एंड वन। द फार्मूला इज़ वेरी सिंपल। f(x) = 1 / 1 + e ये पता है आपको। ठीक है? एंड व्हाट इज़ दिस z? ये z क्या
करता है? ये z कुछ नहीं है भैया। θ0 + θ1 x1 यही वाला पूरा फार्मूला है। ठीक है? या फिर आप बोल सकते हो कोई भी बड़ी सी बड़ी
वैल्यू को स्क्वाश कर देगा वन और ज़ीरो के बीच में। दैट्स सिग्मा एक्टिवेशन फंक्शन। लेकिन अब आपको पता है इन बाइनरी
क्लासिफिकेशन में यूज करते हैं प्रेडिक्टिंग यस नो डिजीज यूजुअली इन द आउटपुट लेयर व्हेन वी वांट द प्रोबेबिलिटी
ऑफ द आउटपुट। अब देखो अपन को क्या बोला गया? सिग्मॉयड एक्टिवेशन फंक्शन भी अपन यूजुअली आउटपुट लेयर में यूज़ करते हैं।
हिडन लेयर्स में क्यों नहीं यूज़ करते भैया? क्योंकि अभी बताया जब अपन हिडन लेयर्स में यूज़ करेंगे तो एक प्रॉब्लम
आएगी। एंड दैट इज़ वैनिशिंग ग्रेडियंट प्रॉब्लम। ठीक है? और वो वैनिशिंग ग्रेडियंट प्रॉब्लम वेट वन, वेट टू, वेट
थ्री इन सबको अच्छे से अपडेट ही नहीं होने देगी। क्योंकि अपन चेन रूल ऑफ डेरिवेटिव अप्लाई कर रहे हैं। और डेरिवेटिव अगर
अप्लाई कर रहे हैं तो आपकी वैल्यू क्या आ जाती है? 0.25 से लेके ज़ीरो के बीच में ही आएगी हमेशा। ठीक है?
लिमिटेशंस आर सिंपल। वैनिशिंग ग्रेडियंट प्रॉब्लम फॉर वेरी लार्ज और वेरी स्मॉल इनपुट्स। द ग्रेडियंट बिकम्स ऑलमोस्ट ज़ीरो
व्हिच स्लोस लर्निंग नॉट यूज़्ड इन हिल एंड लेयर मच। नाउ डेज़ रेलू इज़ प्रेफर्ड। बार-बार रेलू का नाम सुन रहे हो। ऊपर भी
देखा है। यहां भी देखा। अभी देखेंगे क्या है। और आप देख सकते हो यहां पे मैंने स्टार्टिंग से मैंने बताया था कि सिग्मॉयड
क्या करता है? ज़ीरो और वन के बीच में वैल्यू प्रोवाइड कर देता है। और अगर अपन डेरिवेटिव निकालते हो सिग्मोइड का तो वह
हमेशा क्या होता है? 0.25 और ज़ीरो के बीच में आता है। एंड दैट्स अ प्रॉब्लम। और उस चीज को हटाने के लिए थोड़ा बहुत और सोचा
रिस्चरर्स ने। रिसर्चरर्स ने सोचा कि लेट्स क्रिएट समथिंग मोर एक्टिवेशन फंक्शन को और कैसे इंप्रूव कर सकते हैं। एंड बाय
द वे एक चीज क्लियर कर दूं। अगर आपको लग रहा है कि भैया इसके पीछे की मैथ्स क्यों नहीं पढ़ रहे अपन इतने सारे एक्टिवेशन
फंक्शनंस की क्योंकि ये सब रिसर्च पेपर्स हैं। रिसर्च मतलब कोई बंदा 10-10 साल बैठ के रिसर्च करता है और फिर वह सोचता है कि
यार इसका रिजल्ट कुछ और हो सकता है। सो आई एम हियर टू टेल यू ऑल द रिसर्चेस एंड आई एम हियर टू टेल यू ऑल द एक्टिवेशन
फंक्शनंस। मेरा काम क्या है? आपको सिखाना है कि कैसे अप्लाई करते हैं इन सबको और वो नेक्स्ट पोर्शन में अपन सीखेंगे। लेकिन
दिस पोर्शन इज़ आल्सो वेरीेंट। आपको नॉलेज होनी चाहिए। फिर इस चीज को और अच्छा इंप्रूव करने के लिए सिग्मॉयड को इंप्रूव
करने के लिए रिस्चर सेड कि अपन एक और निकाल सकते हैं। दैट इज tan h tan h एक्टिवेशन फंक्शन। द tan एक्टिवेशन फंक्शन
शॉर्ट फॉर हाइपरिक टेंजेंट इज़ अनदर स्क्वाशिंग फंक्शन। ये भी स्क्वाश ही करता है। जैसे ज़ीरो और वन के बीच में कर रहे
थे। लेकिन ये करता है -1 और +1 के बीच में स्क्वाश। ठीक है? और फार्मूला आप देख सकते हो आपकी स्क्रीन पे। मतलब भैया जो वैल्यू
पहले जीरो और वन के बीच में स्क्वाश हो रही थी सिग्मोइड का यूज करके अब वो वैल्यू वन और नेगेटिव वन के बीच में स्क्वाश हो
रही है। ठीक है? कहां यूज़ करते हैं? ऑफन यूज्ड इन हिडन लेयर्स ऑफ न्यूरल नेटवर्क्स यूज़फुल व्हेन डेटा हैज़ बोथ पॉजिटिव एंड
नेगेटिव वैल्यूज़ बिकॉज़ इट सेंटर्स द आउटपुट अराउंड ज़ीरो अनलाइक सिग्माइड व्हिच इज़ सेंटर्ड एट 0.5। नाउ लेट मी टेल यू
व्हाट हैपेंस। अगर आपके पास पॉजिटिव एंड नेगेटिव वैल्यूज़ बोथ होती हैं तो ये हमेशा कहां करेगा? 0.5 या फिर आप बोल सकते हो
मिड पे लेके आएगा। ये है सिग्माइड। क्योंकि ज़ीरो और वन के बीच में आता है। तो स्क्वाश कहां होता है? ज़ीरो और वन के बीच
में स्क्वाश होता है। लेकिन अगर मैं tan की बात करता हूं तो वन और वन के बीच का पॉइंट क्या है? ज़ीरो। तो ये यहां पे
स्क्वाश कर देता है। इसलिए थोड़ा सा अच्छा है सिग्मॉयड से। ठीक है? आउटपुट आर ज़ीरो सेंटर्स। दीज़ आर द एडवांटेजेस। स्ट्रंगर
ग्रेडियंट देन सिग्माइड इन द रेंज। नेगेटिव वन और पॉजिटिव वन। सो लर्निंग कैन बी फास्ट। एंड बाय द वे ये सारे के सारे
नोट्स मैं प्रोवाइड कर दूंगा आपको। तो आपके पास रहेंगे। ठीक है? यू कैन व्हनेवर यू वांट आपको कभी भी रिवीज़ कर रहा है आप
देख सकते हो लिमिटेशंस एडवांटेजेस एंड सब कुछ उसमें लिख के रखे हैं। नाउ द लिमिटेशन ऑफ़ tanh इज़ स्टिल सफर्स फ्रॉम अ वैनिशिंग
ग्रेडियंट प्रॉब्लम। अब आप देखो अब मान लो भैया वैनिशिंग ग्रेडियंट प्रॉब्लम 0.25 के बीच में आ रही थी और वन के बीच में वैल्यू
आ रही थी। लेकिन हो सकता है भैया अगर आपने थोड़ी सी रेंज बढ़ा दी नेगेटिव वन और पॉजिटिव वन की तो भी वैल्यू 0.5 और वन के
बीच में आ सकती है या फिर 0.5 और 0 के बीच में आ सकती है। तो कहीं ना कहीं अगर आपका एक डीप न्यूरल नेटवर्क बना हुआ है। बहुत
बड़ा एक स्ट्रक्चर बना हुआ है तब भी यहां के वेट्स जो होंगे वो गलत हो जाएंगे सेट। तो ये हो सकता है देयर अगेन एक वैनिशिंग
ग्रेडियंट प्रॉब्लम 10H में भी आ रही थी। ठीक है? आप देख सकते हो ना मेरे इनपुट्स आर वेरी लार्ज पॉजिटिव और नेगेटिव। दैट्स
व्हाई इन मॉडर्न डीप न्यूरल नेटवर्क रेलू इज़ मोर कॉमनली कॉमन इन हिडन। फिर से रेलू आ गया। ये रेलू है क्या? तो अगला
एक्टिवेशन फंक्शन रेलू ही है। अब रेलू ने बोला कि रेलू स्टैंड्स फॉर रेक्टिफाइड लीनियर यूनिट। लीनियर मतलब लीनियर क्या कर
रहा था? जल्दी से देखो लीनियर फंक्शन क्या कर रहा था? लीनियर एक्टिवेशन फंक्शन बोल रहा था जो वैल्यू निकल के आ रही है वही
वैल्यू पास कर दो। साफ बात नेगेटिव हो पास कर दो। पॉजिटिव हो पास कर दो। हमें कोई फर्क नहीं पड़ता। लेकिन अगर मैं बात करता
हूं tan की। tan बोल रहा हूं सॉरी रेलू की। रेलू बोलता है कि भाई अगर आपकी कोई भी वैल्यू आ रही है पॉजिटिव तो पॉजिटिव को तो
मैं रख लूंगा लेकिन अगर नेगेटिव आएगी तो नेगेटिव की जगह मैं क्या कर दूंगा? ज़ीरो डाल दूंगा। ठीक है? इफ इनपुट इज़ स्मॉलर
दैन ज़ीरो आउटपुट ज़ीरो ही आएगा हमेशा। लेकिन अगर इनपुट जो भी ज़ीरो से बड़ा है तो वही का वही आउटपुट दे देना मुझे। ठीक है?
तो लीनियर फंक्शन ही है लेकिन बस नेगेटिव वैल्यूज़ नहीं रखता। ठीक है? सो इट इदर पाससेस पॉजिटिव वैल्यू और दे आर ब्लॉक।
देयर आर ऑल ब्लॉक्स नेगेटिव वैल्यूज़ बाय टर्निंग देम इंटू ज़ीरो। अच्छा बाय द वे क्यों ज़ीरो वैल्यूज़ नहीं चाहिए अपने को?
आप ये बोल सकते हो व्हेन यू आर गिविंग वेट्स एज ज़ीरो तो आप उसकी जोेंस है वो और खत्म कर रहे हो। मैंने आपको एक एग्जांपल
दिया था। इफ आई एम होल्डिंग एनी हॉट ऑब्जेक्ट। मान लो ये घड़ी बहुत ज्यादा गर्म है और मैं इसको एकदम से पकड़ लूं तो इसका
वेट बहुत ज्यादा होगा। क्यों वेट ज्यादा होगा? क्योंकि भैया मेरे को एकदम से ब्रेन को ट्रिगर करना पड़ेगा कि भाई आपने गर्म
चीज पकड़ी आप हटा लो हाथ। वहीं पे अगर ठंडी घड़ी अभी ठंडी हो रही है एसी की वजह से तो अब कोई दिक्कत नहीं है। मैं इसको पकड़
सकता हूं। सो दीज़ आर सम ऑफ द वेट्स जो डिसाइडेड होते हैं आपके न्यूरॉन्स के। लेकिन अगर वेट नेगेटिव में करती है तो तो
आप कुछ फील ही नहीं कर पाओगे। ये लो भैया पकड़ लिया गरमा गरम कुछ हो ही नहीं रहा मुझे। सो दैट्स व्हाई वी डोंट नीड नेगेटिव
वेट्स। अगर चाहिए भी तो स्क्वाश करके करना पड़ेगा। या फिर आपको बहुत कम नेगेटिव वेट्स देने पड़ेंगे। अगर ज्यादा दे दिया
तो दिक्कत हो जाएगी। सो दैट्स व्हाई रेलू ने बोला कि भाई नेगेटिव में मैं सीधे ज़ीरो कर दूंगा और अगर पॉजिटिव हुआ तो वही का
वही मैं दे दूंगा। ठीक है? हिडन लेयर्स ऑफ ऑलमोस्ट ऑल मॉडर्न डीप न्यूरल नेटवर्क्स में आप सोच सकते हो रेलू का यूज़ होना।
मतलब न्यूरल नेटवर्क्स के जो हिडन लेयर होते हैं वहां पे यूजुअली अपन रेलू का यूज़ करते हैं। ठीक है? वर्क्स रियली वेल इन
सीएनए कॉन्वकुशनल न्यूरल नेटवर्क्स इमेज रिकॉग्निशन एनएलपी एंड मेनी मोर टास्क। रेलू काफी ज्यादा यूज़ होता है अभी। ठीक
है? एडवांटेज क्या है? वेरी फास्ट एंड सिंपल टू कंप्यूट हेल्प्स अवॉइड वैनिशिंग ग्रेडियंट प्रॉब्लम बेटर देन सिग्माइड और
10H मेक्स ट्रेनिंग डीप न्यूरल नेटवर्क्स मच फास्टर। अच्छा अब एक चीज़ बताता हूं। डीप न्यूरल नेटवर्क्स को तो फास्ट कर देता
है लेकिन एक प्रॉब्लम भी आती है। एंड दैट्स द रिमिटेशन एंड दैट इज डाइंग रेलू प्रॉब्लम। नाउ लेट मी टेल यू व्हाट ड
डाइंग रेलू प्रॉब्लम इज़। मान लो ऊपर जा रहा हूं मैं देखना। तो ये मेरा एक बहुत अच्छा खासा डीप न्यूरल नेटवर्क था। 1 2 3
4 5 कहीं-क ऐसे मतलब ऐसे आपके बीच में तीन हिडन लेयर्स बनी थी। वन इनपुट एंड वन आउटपुट। तो इन तीन हिडन लेयर्स में अपन के
पास अगर वेट वन मान लो ज़ीरो हो जाए गलती से। इसका कुछ नेगेटिव आ रहा था। नेगेटिव 1.26 आ रहा था 12.6 तो उसने क्या कर दिया?
अपने रेलू ने बोल दिया कि इसके वेट को अब ज़ीरो कर दो। मेरे को कोई अपडेट नहीं करना। तो अगर आपने गलती से किसी एक वेट को ज़ीरो
कर दिया। मान लो आपने वेट वन को ज़ीरो कर दिया। तो आपके पास जो और सारी चीजें हैं वो भी ज़ीरो हो जाएंगी। तो टेक्निकली आप ये
पूरे एक न्यूरॉन को डेड कर दोगे या फिर आप एक पूरे न्यूरल के एक पोर्शन को डेड कर दोगे। समझ आ रहा है? तो ज़ीरो इज़ अ वेरी
वेरी प्रॉब्लमैटिक चीज। तो इसीलिए अपन को यहां पे एक प्रॉब्लम आई एंड दैट इज नोन एज डाइंग रेलू प्रॉब्लम। समटाइ्स न्यूरॉन्स
गेट्स स्टक एट ज़ीरो फॉर एवर इफ वेट अपडेट्स बैडली नॉट स्मूथ एट ज़ीरो नॉट डिफरेंशिएबल देयर बट स्टिल वर्क्स फाइन इन
प्रैक्टिस। ठीक है? यूजुअली ऐसे ज़ीरो होते नहीं है प्रॉब्लम्स या फिर आपके न्यूरॉन ज़ीरो आते नहीं है। लेकिन स्टिल अगर आ जाए
तो इट्स अ डाइंग रेलू प्रॉब्लम। तो इस चीज को फिक्स करने के लिए भी रिसर्चरर्स ने सोचा कि लेट्स मेक समथिंग एल्स। और
उन्होंने क्या बना दिया? ली रेलू एक्टिवेशन फंक्शन बना दिया। नाउ इट्स जस्ट लाइक रेलू बट विद स्मॉल ट्विस्ट। लीक की
रेलू ने बोला कि व्हनेवर द इनपुट इज़ नेगेटिव, द आउटपुट इज़ ज़ीरो। ये रेलू ने बोला था। लीक की रेलू ने एक फिक्स किया।
इंस्टेड ऑफ़ गिविंग ज़ीरो फॉर नेगेटिव इनपुट इट गिव्स अ टाइनी नेगेटिव वैल्यू। एक छोटी सी टाइनी सी नेगेटिव वैल्यू दे दूंगा। एंड
दैट इज़ 0.01 से मल्टीप्लाई करके। मान लो आपका रिजल्ट आ रहा है नेगेटिव 1.62। इसको अगर आप मल्टीप्लाई करते हो 0.01 से तो
बहुत ही एक छोटी सी नेगेटिव वैल्यू आएगी 0.0 कुछ-कुछ करके। ठीक है? तो अब इतनी सी अगर नेगेटिव वैल्यू दे दिया तो आपका जो
न्यूरॉन पैटर्न है वो डाई नहीं होगा। क्यों डाई नहीं होगा? क्योंकि ज़ीरो से अगर आप किसी भी चीज को मल्टीप्लाई करते हो तो
वो डेड हो जाएगा। लेकिन अगर छोटी बॉट भी वैल्यू आ गई कुछ भी पॉइंट्स में भी आ गई तो वो डाई नहीं होगा। ठीक है? मतलब मरेगा
नहीं बस आपका न्यूरॉन। ये बोल सकते हो। सो दिस इज़ द सेम फार्मूला। बस क्या करेंगे? x को मल्टीप्लाई कर देंगे 0.01 से। एडवांटेज
क्या है? फिक्सेस डेड न्यूरॉन प्रॉब्लम इन नॉर्मल वैल्यू। इफ इनपुट्स गो नेगेटिव। द आउटपुट इज़ ऑलवेज नेगेटिव। न्यूरॉन्स इज़
ज़ीरो एंड समटाइ्स द न्यूरॉन स्टॉप लर्निंग परमानेंटली या फिर आप उनको बोल सकते हो दोज़ आर दी डेड न्यूरॉन्स। लीकी रेलू
सॉल्व्स दिस बाय अलाउंग अ स्मॉल नेगेटिव स्लोप। सो न्यूरॉन्स स्टिल अपडेट फेट्स। ठीक है? अब कंप्यूटेशनली काफी ज्यादा
सिंपल होता है। जस्ट लाइक रेलू द फंक्शन इज़ वेरी इजी टू कंप्यूट नो हैवी मैथ्स लाइक एक्स्पोनेंशियल्स इन सिग्मोइड एंड
tanh। ठीक है? या फिर आप बोल सकते हो डेरिवेटिव्स। अब बेटर ग्रेडियंट फ्लो भी रहता है। वर्क्स वेल इन ड्यूप डीप
नेटवर्क। सेकंड यहां पे भी एक लिमिटेशन थी। एंड दैट इज़ स्मॉल नेगेटिव स्लोप में बायस रिजल्ट। मतलब रिजल्ट्स में कुछ बायस
आ सकते हैं। किसी एक जगह पे झुका सकते हैं रिजल्ट्स को। स्लोप वैल्यू नीड्स ट्यूनिंग। अब इस चीज का क्या फिक्स था? इस
चीज का फिक्स था प्रीरेलू एक्टिवेशन फंक्शन। मतलब आप सोचो रिस्चरर्स कितना काम करते थे। दिन रात यही सोचते रहते थे कैसे
अपन बेस्ट एंड बेस्ट चीज प्रोवाइड कर सकें। तो प्रीरेलू एक्टिवेशन फंक्शन ने बोला पैरामेट्रिक रेक्टिफाइड लीनियर यूनिट
इज एन इंप्रूव इंप्रूव्ड वर्शन ऑफ लीकी वैल्यू इन ली वैल्यू द स्लोप ऑफ नेगेटिव वैल्यूज़ लाइक 0.01 इज़ फिक्स्ड बाय अस।
मतलब अपन फिक्स कर देते थे कि भैया हर बार अगर ज़ीरो से नीचे जा रही है। देखो यहां पे मैंने ये भी दे के रखा है। है ना? बाय द
वे मैंने दिखाया नहीं कि इफ यू सी दिस लीक रेलू। ये था रेलू जो सीधी लाइन होती थी। लेकिन ली की रेलू ने क्या कर दिया? बस एक
छोटा सा एक स्लोप ऐड कर दिया। या फिर 0.01 का स्लोप ऐड आ गया। अब प्रीर ने यह बोला स्लोप इज़ लर्न ऑटोमेटिकली बाय द मॉडल
ड्यूरिंग ट्रेनिंग। मतलब अब मैं ऑटोमेटिकली स्लोप को लर्न करूंगा। दिस मेक्स इट मोर फ्लेक्सिबल एंड एडप्टिव।
मतलब क्या भैया? मैं 0.01 को जगह मैं खुद से एक वैल्यू डिसाइड करूंगा और उससे मल्टीप्लाई कर दूंगा आपके रिजल्ट को। अगर
वो ज़ीरो से नीचे जा रहा है तो आपको कुछ करने की जरूरत नहीं है। द फार्मूला इज़ सेम ऐज़ लीक की वैल्यू। रेलू नेगेटिव वैल्यूज़
आर किल्ड सीधे-सीधे लीक की रेलू क्या करता था? जो भी नेगेटिव वैल्यू उसको 0.01 से मल्टीप्लाई कर देता था। प्री रेलू क्या कर
रहा है? इंस्टेड ऑफ फिक्सिंग दैट लीक द मॉडल सेज़ आई विल लर्न द बेस्ट लीक स्लोप मायसेल्फ। मैं खुद से देख लूंगा और खुद से
मल्टीप्लाई कर दूंगा जिससे आपके न्यूरॉन स्ट्रक्चर भी डेड नहीं होगा और साथ में आपका रिजल्ट में भी बायसनेस नहीं आएगी।
ठीक है? एडवांटेजेस फिक्सेस डेड न्यूरॉन्स लाइक ली रेल। ठीक है? एडप्टिव स्लोप इज़ लर्न नॉट फिक्स्ड। बेटर एक्यूरेसी ऑफन
इंप्रूव सीएनएन एंड डीप नेटवर्क्स। काफी अच्छे हैं। लेकिन देयर आर स्टिल सम लिमिटेशंस। एक्स्ट्रा पैरामीटर स्लोप्स ऐड
मोर ट्रेनिंग वैल्यूज़। देखो अब खुद से वो एनालाइज़ करता है तो थोड़ा सा ज्यादा कंप्यूटेशनल पावर और पैराटर्स लगेंगे।
रिस्क ऑफ ओवरफिटिंग इफ डेटा सेट इज़ स्मॉल। अगर स्मॉल डेटा सेट दे दिया तो ओवरफिटिंग हो सकता है। आई गेस आपको पता होगा व्हाट
इज़ ओवरफिटिंग एंड अंडर फिटिंग। वीडियो देख लेना भाई पुरानी मशीन लर्निंग सी। उसके बिना मत आना यहां पे। स्लाइटली मोर
कॉम्प्लेक्स देन प्लेन रेल। ठीक है? अब इसके बाद एक और एक्टिवेशन फंक्शन है। देखो इसको मैं मेंशन करूं ना करूं इतना कोई वो
नहीं था। लेकिन आई नीड टू मेंशन दिस क्योंकि Google ने निकाला था। अभी-अभी निकला है। स्क्विश एक्ट स्विच एक्टिवेशन
फंक्शन। स्विच इज़ अ स्मूथ नॉन लीनियर एक्टिवेशन फंक्शन इंट्रोड्यूस्ड बाय Google रिसर्चर्स। इट इज़ डिफाइंड ऐज़ देखो
ये सब रिसर्च पेपर्स हैं। रिसर्च पेपर्स पब्लिश हुए। इन पे कुछ काम हुआ। इनके फंक्शनंस बने और इनको यूज़ करना स्टार्ट कर
दिया लोगों ने डीप लर्निंग में। ठीक है? इट इज़ डिफाइंड ऐज़ f(x) = x * सिग्मॉयड ऑफ़ x। मतलब अब वापस से अपन सिग्माइड फंक्शन
का यूज़ कर रहे हैं। यस वेयर सिग्माइड इज़ अ सिग्माइड फंक्शन। द बेसिकली स्विच इज़ = x * सिग्मॉयड ऑफ़ x इंट्यूशन इज़ वेरी ईजी।
थिंक ऑफ इट लाइक अ रेलू बट स्मूदर। थोड़ा सा स्मूदर कर्व मिल जाता था। फॉर लार्ज पॉजिटिव इनपुट्स आउटपुट्स इनपुट्स लाइक
रेलू। ठीक है? मतलब सेम ही है। रेलू जैसे ही आउटपुट आते हैं। ठीक है? फॉर लार्ज नेगेटिव इनपुट्स, आउटपुट इज़ स्मॉल बट नॉट
स्ट्रिक्टली ज़ीरो। लाइक ली रेलू। अराउंड ज़ीरो, द कर्व इज़ स्मूथ, नॉट शार्प लाइक रेलू। देखो यहां पे कर्व आपको थोड़ा सा
स्मूथ दिख रहा होगा। एक हर एक पोजीशन पे लेकिन वहीं पर आपको स्मूदनेस नहीं दिखती थी। लीक वैल्यू क्या होता था? एकदम
बिल्कुल ज़ीरो से ऊपर चला जाता था। आई होप यह चीज़ समझ आ रही है। ठीक है? स्विश स्टार्ट करता है 1.5 से लेके
नेगेटिव 5 तक की वैल्यूज़ का और यहां पे आप देख सकते हो फर्स्ट डेरिवेटिव जब निकालते हैं क्योंकि देखो यार सिग्माइड ऐड हो गया
तो डेरिवेटिव की दिक्कत आएगी वापस से। तो जैसे ही फर्स्ट डेरिवेटिव निकालते हो आप या फिर आप बोल सकते हो जैसे ही कैलकुलस का
यूज़ करके फर्स्ट डेरिवेटिव निकाला तो उसकी वैल्यू वन और ज़ीरो के बीच में आएगी। दैट्स अ गुड थिंग। क्योंकि जब अपन लोग सिगॉइड
एक्टिवेशन फंक्शन का यूज़ कर रहे थे तो डायरेक्टली कहां पे आ रही थी भैया? 0.25 और ज़ीरो के बीच में आ रही थी। और सेकंड
में फिर वो 0.5 और ज़ीरो के बीच में आती है। सो दिस इज़ व्हाट स्विच एक्टिवेशन फंक्शन इज़। ये Google ने निकाला था। स्मूथ
कर्व्स मिलते हैं। एडवांटेज बस यही है। नॉन मोनोटोनिक होता है। कैन एडप्ट बेटर टू कॉम्प्लेक्स पैटर्न्स। ठीक है?
कॉम्प्लेक्स पैटर्न्स में यूज़ कर सकते हैं। वर्क्स वेल इन डीप नेटवर्क्स ऑफ एन इंप्रूव्ड एक्यूरेसी ओवरलो। देयर आर सम
लिमिटेशंस एस वेल। मोर कंप्यूटेशन क्योंकि ऑब्वियसली ज्यादा मेहनत लगेगी कंप्यूटेशनल पावर नॉट ऑलवेज बेटर देन रेलू डिपेंड करता
है किसी प्रॉब्लम पे। कहीं पे अपन रेलू यूज़ कर सकते हैं। कहीं पे स्विच यूज़ कर सकते हैं। स्लाइट रिस्क ऑफ स्लोअर
ट्रेनिंग कंपेयर टू क्योंकि ऑब्वियसली कंप्यूटेशनल पावर ज्यादा लगेगी तो ट्रेनिंग थोड़ी सी स्लो हो जाएगी। अब
भैया यू टोल्ड मी ईच एंड एव्री एक्टिवेशन फंक्शन लेकिन स्टिल मैं क्लियर नहीं हूं किसी में भी। ऑब्वियसली आप कैसे क्लियर हो
सकते हो? इफ यू एक्चुअली वांट टू गेट क्लियर नॉलेज ऑफ़ दीज़ थिंग्स, तो आई विल रिकमेंड वन थिंग गो एंड रीड सम रिसर्च
पेपर्स। एंड ट्रस्ट मी गाइज़, मेनी पीपल डोंट नो व्हेन यू आर इन दिस डोमेन ऑफ़ एआईएमएल जहां पे आप डीप लर्निंग सीख रहे
हो, मशीन लर्निंग सीख रहे हो, रिसर्च पेपर प्लेज़ अ ह्यूज रोल। फॉर एग्जांपल, हाउ आई लर्न अबाउट लीक वैल्यू या फिर हाउ आई लर्न
अबाउट स्विच। तो मैं क्या करता था? आई यूजुअली गो ऑन लेट्स से एक सेकंड बस। आई यूजली गो ऑन Google या फिर मैं कहीं पर
भी जाता था एंड आई रीड सम रिसर्च पेपर्स। लेट मी शो यू क्योंकि भाई यह इंपॉर्टेंट चीज होती है। ठीक है? सो लेट्स से अ
स्विच एक्टिवेशन फंक्शन रिसर्च पेपर। ठीक है? Google ने ही निकाला था। सो, आपको मिल जाएंगे बहुत सारे ऐसे
रिसर्च पेपर्स ऑफ स्विच। अरे यार, यह ज़ूम क्यों नहीं हो रहा? थिंक अब ठीक है। ठीक है। अ सेल्फ गेटेड
एक्टिवेशन फंक्शन स्विश और 2017 में निकला था। एज यू कैन सी थोड़ा सा आप इसको ज़ूम करके पढ़ सकते हो। और इस तरीके से एक पूरा
रिसर्च पेबल इस्टैब्लिश होता है। ठीक है? इसमें सब कुछ बताते हैं कि क्या होता है, क्यों होता है? आप डायरेक्ट स्विच वाला
रिसर्च पेपर मत पढ़ना। मशीन लर्निंग के कांसेप्ट्स का रिसर्च पेपर पढ़ो। डीप लर्निंग के कांसेप्ट्स का रिसर्च पेपर
पढ़ो। तब का ही जाके आपका ब्रेन डेवलप होगा। ठीक है? एंड देखो ऑनेस्ट एक और चीज बताता हूं। यू आर हियर टू लर्न डीप
लर्निंग। अगर आप रिसर्च पेपर पढ़ोगे दैट्स गुड। लेकिन अगर वो नहीं भी पढ़ना है तो मैं आपको सिखाऊंगा। क्या करना है? नेक्स्ट चीज
इज़ आपको समझ आ गया बेसिक चीजें कि अच्छा चलो ठीक है रे ली की रेलू क्या होता है? रेलू क्या होता है? अब आप इनका सीधे यूज़
करना सीखो। यूज़ करना मतलब कैसे कोड में इंप्लीमेंट करते हैं। एंड दैट्स द नेक्स्ट थिंग जो मैं आपको सिखाने वाला हूं। लेकिन
उससे पहले एक और इंपॉर्टेंट चीज कि भैया आपने बताया था कि यू हैव सो मेनी हिडन लेयर्स। आप ऐसा करते हो ये न्यूरल नेटवर्क
बनाया। फिर एक और हिडन लेयर आ गई। फिर एक और हिडन लेयर आ गई। ठीक है? फिर इसके बाद एक और हिडन लेयर है और फिर उसके बाद आपका
रिजल्ट है और ये ऐसे-से करके सब एक दूसरे से कनेक्टेड होते हैं। लेकिन मेरे को ये बताओ कहां मैं कौन सा एक्टिवेशन फंक्शन
यूज़ करूं कि यहां पे क्या मैं ली रेलू यूज़ करूं या फिर यहां पे मैं रेलू यूज़ करूं। यहां पे मैं स्विच यूज़ करूं, यहां पे
सिग्मॉयड करूं या फिर यहां पे कौन से एक्टिवेशन फंक्शन यूज़ करूं। देयर आर सो मेनी एक्टिवेशन फंक्शनंस। तो अब मैं आपको
दिखाऊंगा कि कहां पे कौन सा एप्रोप्रियट एक्टिवेशन फंक्शन आपको यूज़ करना चाहिए टू गेट अ बेटर रिजल्ट। लेट्स सी देम। कसम से
बता रहा हूं। इतनी खराब किस्मत चल रही है। बार-बार मेरी शर्ट इसलिए चेंज हो रही है क्योंकि मैं इतनाइतना सा पोर्शन ही
रिकॉर्ड कर पा रहा हूं पर डे। इतनी ज्यादा तबीयत खराब हो रही है। लेकिन मैं करूंगा रिकॉर्ड और 25 तारीख को डिलीवर करूंगा। ऑल
माय होप्स आर हाई दिस टाइम। चलो समझते हैं। सो आप लोगों ने सारे के सारे एक्टिवेशन फंक्शनंस पढ़ लिए। लेकिन द
मोस्ट कॉमन मिस्टेक एवरीवन डज़ इज़ कि उनको यही नहीं पता होता कौन सा एक्टिवेशन फंक्शन कहां लगाना रहता है। तो अब लेट मी
गिव यू सम एग्जांपल्स। ठीक है? यूजुअली होता क्या है? जब भी आप किसी एक्टिवेशन फंक्शन की बात कर रहे हो। एक सेकंड आई लेट
मी जस्ट ड्रॉ स्ट्रेट लाइन राइट थ्रू हियर। एंड यहां पे बस मैं बोलूंगा यूसेज ऑफ यूसेज
ऑफ एक्टिवेशन फंक्शनंस। क्योंकि अपने को पता ही नहीं है कहां पे कौन सा लगाना रहता है। तो चलो लेट्स से आई
एम अस्यूमिंग ये आपको पता है कि एक न्यूरल नेटवर्क क्या होता है। तो लेट्स से मैंने एक न्यूरल नेटवर्क क्रिएट किया। ठीक है?
सो माय न्यूरल नेटवर्क्स लुक लाइक दिस। ये हो गया एक। ये हो गया दो। थ्री तीन इनपुट रख देता हूं। और बीच में लेट्स से भैया
मैं रख देता हूं एक। अरे बॉक्स बन गया। ठीक है? एक यहां पे रख दिया। एक यहां पे रख दिया। एक लेट्स से यहां पे रख दिया। और
एक यहां पे रख दिया। और फिर उसके बाद एक और मैंने बनाया जहां पे यहां पे दो रख दिए। और फिर एक और बनाया जो आउटपुट लेयर
है। ठीक है? आपका मतलब जरूरी नहीं है कि न्यूरल नेटवर्क में सिर्फ तीन ले तीन लेयर्स हो। यू कैन हैव मल्टीपल लेयर्स।
इवन यू कैन है 8 10 20 30 40 लेयर्स। ठीक है? सो दिस इज़ हाउ माय न्यूरल नेटवर्क इज़ लुकिंग लाइक राइट नाउ। ठीक है? तो अब
ऑब्वियसली भैया क्या होता है? ये सारे न्यूरल नेटवर्क एक दूसरे से कनेक्टेड रहते हैं। सो दिस इज़ द बेसिक थिंग्स जो आप
लोगों ने पढ़ी है। फॉरवर्ड भी पता है, बैकवर्ड भी पता है। यू नो ईच एंड एवरीथिंग आई गेस। ठीक है? अब होता क्या है? इन
लेयर्स में एक्टिवेशन फंक्शनंस अप्लाई होते हैं। तो जो सबसे पहली लेयर होती है, दैट लेयर इज़ नोन एज इनपुट लेयर। क्या कहते
हैं उसको? इनपुट लेयर कहते हैं। और भैया जो लास्ट लेयर होती है, उसको क्या बोलते हैं अपन? आउटपुट लेयर। सो इफ आई राइट इट
वेरी सिंपल तो ये लिख दूंगा मैं यहां पे मैं लेयर वन दिस थिंग इज़ लेयर वन और अगर मैं लेयर वन की बात करता
हूं देयर आर नो एक्टिवेशन फंक्शनंस हियर। क्यों भैया? क्योंकि लेयर वन में कोई एक्टिवेशन फंक्शन होते नहीं है। फॉरवर्ड
प्रोपगेशन के समय पे सिर्फ ये इनपुट लेने के काम आते हैं। ठीक है? सो लेयर वन आप बोल सकते हो नो एक्टिवेशन फंक्शन। ठीक है?
सिंपल सी बात है। अब बात करते हैं सबसे इंपॉर्टेंट कि ये जो मिड लेयर्स होती हैं या फिर आप बोल सकते हो हिडन लेयर।
यह पता नहीं इस राइटिंग इतनी गंदी क्यों आ रही है। अब बात करते हैं भैया मिडिल लेयर्स की एंड दैट इज लेयर टू। लेट्स से
अब मैं लेयर टू पे आया तो मुझे कोई ना कोई सा एक एक्टिवेशन फंक्शन लगाना है। नाउ लेट्स से मैंने इसमें लीनियर एक्टिवेशन
फंक्शन लगा दिया। व्हाट इज़ दिस लीनियर एक्टिवेशन फंक्शन? इट्स वेरी सिंपल। जो आपका फार्मूला है आप उसी को यूज़ करते आ
रहे हो। लेट मी लेट मी शो यू दैट थिंग। सो दिस वाज़ आवर वेरी सिंपल लीनियर एक्टिवेशन फंक्शन। जिसके अंदर मैं जो भी वैल्यू थी
वो जो फार्मूला चल रहा है लीनियर रिग्रेशन का उसी को मैं अप्लाई करता जा रहा हूं। सो दैट मींस अगर मैंने लेयर टू में लगा भी
दिया लीनियर एक्टिवेशन फंक्शन तो तो कोई फर्क ही नहीं पड़ेगा। जैसे मैं मशीन लर्निंग में करता था वैसा ही काम यहां पे
करने वाला हूं। सो देयर विल बी नो एक्स्ट्रा थिंग्स। तो कुछ भी मतलब उससे फर्क नहीं पड़ेगा। तो यूजुअली अपन क्या
करते हैं? वी हियर वी यूज़ लीनियरिटी। लीनियरिटी मतलब आपको लीनियर वे में लेके आना पड़ेगा। या फिर आप बोल सकते हो विदाउट
इट द होल मॉडल विल बी जस्ट लाइक लीनियर रिग्रेशन। तो मेरे को लीनियर रिग्रेशन नहीं करना है। तो अब यहां पे मैं मल्टीपल
एक्टिवेशन फंक्शनंस लगाता हूं। ठीक है? अब मिडिल लेयर में जब मैंने यूज किया था सिग्मॉयड एक्टिवेशन फंक्शन तो उसमें मेरे
को एक प्रॉब्लम दिखी थी एंड दैट्स अ वेरी बिग प्रॉब्लम एंड दैट इज वैनिश ग्रेडियंट प्रॉब्लम। फिर भैया क्या लगाना चाहिए? तो
अब यहां पे लेयर टू में यूजुअली अपन लगाते हैं रेलू एक्टिवेशन फंक्शन। ठीक है? ये स्क्वाश भी कर देता है। ये वैल्यूस को ले
भी आता है एक से लेके ज़ीरो के बीच में। और कभी भी अगर आप इसमें लेट्स से सिग्माइड एक्टिवेशन फंक्शन या फिर कुछ और भी अप्लाई
करोगे। अ सिग्मॉयड नहीं मतलब फिर आप कभी बैक प्रोपगेशन भी करोगे तो इसमें कोई भी दिक्कत नहीं आएगी क्योंकि डेरिवेटिव्स
निकालने में फिर प्रॉब्लम नहीं आएगी। तो ये होता है भैया आपका लेयर टू। लेयर टू में आप रेलू लगा सकते हो या फिर आप प्री
प्रीरेलू लगा सकते हो या फिर आप एक और लगा सकते हो। एंड दैट इज़ मल्टीपल। आपके पास बहुत सारे ऑप्शंस रहते हैं। ठीक है? आप या
फिर ये बोल सकते हो कि यहां पे अब आपको कर्व्स चाहिए होते हैं। ठीक है? लेट मी टेल यू विद देम। द मॉडल कैन फॉर्म कर्व्स,
बेंड्स, ट्विस्ट ये सब चीजें फॉर्म कर सकता है लेयर टू में। सो दैट्स व्हाई लेयर टू में आप यूजुअली क्या करते हो? रेलू
फंक्शन लगाते हो, प्रीरेलू लगाते हो या फिर आप स्विच भी लगा सकते हो। लेकिन यूजुअली डिपेंडेंट डिपेंड करता है।
क्योंकि आप यहां पे अगेन सिग्मोइड लगा रहे हो स्विच में तो सिग्माोइड से थोड़ी बहुत दिक्कत आती है इफ वी फाइंड द डेरिवेटिव ऑफ़
सिग्मोइड। ठीक है? और अगर अपन बात करें प्रीरेलू के अलावा क्या लगा सकते हो? यू कैन आल्सो यूज़ लीक रेलू फंक्शन। ठीक है?
तो ये बेसिकली बने ही आपके किसके लिए थे? हिडन लेयर्स के लिए या फिर मिड लेयर्स के लिए। ठीक है? अब बात करते हैं भैया लेयर
थ्री की। लेयर थ्री भी क्या है भैया? एक हिडन लेयर ही है। तो लेयर थ्री में भी आप क्या लगा सकते हो? रेलू लगा लो, लीक रेलू
लगा लो। ठीक है? और आप पी रेलू लगा लो। या फिर अगर हुआ तो कभी आप स्विच फंक्शन भी लगा सकते हो। लेकिन फाइनली अब बात करते
हैं आउटपुट लेयर की। नाउ आउटपुट लेयर में अब आपके पास डिपेंडेंसीज होती हैं। लेट मी टेल यू। लेट्स से आप किसी कॉस्ट को
प्रिडिक्ट करना चाह रहे हो या फिर आप किसी कंटीन्यूअस वैल्यू को हाउस प्राइस को प्रिडिक्ट करना चाह रहे हो। तब आपको क्या
चाहिए? एक ऐसी वैल्यू चाहिए जो 80 लाख, 50 लाख तक जाप्स आए। वो ज़ीरो और वन के बीच में नहीं होनी चाहिए। तो इस पोजीशन पे अपन
लोग यहां पे आउटपुट में लीनियर फंक्शन लगा सकते हैं। सबसे पहले तो वेरी सिंपल। फिर अपन एक और लगा सकते हैं। दैट इज़ सिग्मोइड
एक्टिवेशन फंक्शन लगा सकते हैं। नाउ व्हाट इज़ दिस सिग्मा? सिग्माइड आपको पता है क्या होता है। लेकिन जो आउटपुट लेयर है अगर उस
पे है तो डेरिवेटिव का ज्यादा फर्क नहीं पड़ेगा और काफी सही तरीके से काम करेगा। बिकॉज़ हियर यू वांट टू प्रिडिक्ट समथिंग।
ठीक है? और इसके अलावा आप एक और चीज लगा सकते हो। जैसे मल्टी क्लास क्लासिफिकेशन होता है। सिग्मॉयड क्या होता है? बाइनरी
क्लास क्लासिफिकेशन के लगाते हैं। चाहे ज़ीरो या फिर वन चाहिए या फिर किसी दो चीज के बीच में आपको क्लासिफिकेशन चाहिए या
फिर आपको प्रोबेबिलिटी चाहिए ज़ीरो और वन के बीच में तब आप सिग्माइड लगाते हो। अगर कंटीन्यूअस वैल्यूज़ चाहिए तो आप लीनियर
फंक्शन लगाते हो। लेकिन अगर मैं बात करता हूं मल्टी क्लास क्लासिफिकेशन। फॉर एग्जांपल देयर आर थ्री इमेजज़। वन ऑफ
हॉर्स, वन ऑफ़ डॉग एंड वन ऑफ़ सेल लेट्स से कैट। तो हॉर्स, डॉग और कैट के बीच में आपको क्लासिफाई करना है इमेजेस को। सो यू
कैन यूज़ वन मोर थिंग एंड दैट इज़ सॉफ्ट मैक्स। सॉफ्ट मैक्स। अभी अपन पढ़ेंगे सॉफ्ट मैक्स फंक्शन को भी। तो सॉफ्ट मैक्स का भी
आप अप्लाई कर सकते हो इन दी लास्ट लेयर। तो आपको सिंपल सी बात समझा रहा हूं। देखो भाई जो मिडिल लेयर्स होती हैं लेयर टू,
लेयर थ्री इन सब में यूजुअली रेलू लगता है, लीक रेलू लगता है, प्रीरेलू लग जाता है। लेयर वन में आपके पास कोई एक्टिवेशन
फंक्शन लगाने की जरूरत होती नहीं है। जो लेयर फाइव हो गई या फिर लास्ट लेयर हो गई जो आउटपुट लेयर होगी उसमें आप क्या लगा
सकते हो? लीनियर फंक्शन लगा सकते हो, स्टिग्मॉयड लगा सकते हो, सॉफ्ट मैक्स लगा सकते हो। सो दीज़ आर ऑल द फंक्शनंस दैट यू
कैन यूज़। ठीक है? अब भैया आपने हमारे को बता दिया कि क्या होते हैं फंक्शनंस? कैसे ये बनते हैं। लेकिन भैया हमारे को इसको
यूज करना सिखाओ। सो हाउ यू कैन यूज़ इट? यू कैन यूज़ इट थ्रू सम लाइब्रेरीज़ नोन एज़ टेंसर फ्लो एंड पाई टॉर्च। लेकिन व्हाट वी
आर गोइंग टू लर्न इज़ टेंसर फ्लो। अब अगेन लेट मी क्लेरिफाई सम थिंग्स। आई एम हियर टू टीच फर्स्ट ऑफ़ ऑल डीप लर्निंग। सो, आई
एम जस्ट गोइंग टू शोकेस हाउ यू यूज़, हाउ यू क्रिएट अ न्यूरल नेटवर्क यूज़िंग टेंसर फ्लो। ठीक है? तो अब उस चीज़ को देखते हैं।
चलो चलते हैं कोड की तरफ। समझते हैं कैसे सबको सॉल्व करेंगे। नाउ लेट्स फाइनली सी द इंप्लीमेंटेशन। अभी तक आपने बहुत सारी
थ्योरी पढ़ी। सब समझा कि ठीक है भैया क्या होता है एक्टिवेशन फंक्शन? लॉस फंक्शन क्या होते हैं। वी हैवेंट लर्नड अबाउट मोर
लॉस फंक्शन। देखेंगे अभी आपको ऑप्टिमाइजर्स के बारे में पता चला। ऑलदो और भी ऑप्टिमाइजर्स होते हैं। एडमम मैडम
सब सीखना है। लेकिन अभी एक बेसिक इंप्लीमेंटेशन दिखाऊंगा और दिखाऊंगा कैसे आप एक लेयर बनाते हो न्यूरल नेटवर्क की और
कैसे उसके अंदर चीजों को इंप्लीमेंट करते हो। ठीक है? सो फर्स्ट ऑफ ऑल आई एम गोइंग टू इंपोर्ट सम लाइब्रेरीज और ये फाइल मैं
आपको भेज दूंगा। नीचे आपको गेटअप की लिंक मिल जाएगी। तो सिंपल मेरे को लिखना है इंपोर्ट नमई एज एनपी। सो दिस इज़ द फर्स्ट
लाइब्रेरी एंड आई एम यूजिंग दिस टू क्रिएट अ डेटा सेट। एक डमी डेटा सेट मैं बनाने वाला हूं। ठीक है? फिर इसके बाद एक और
लाइब्रेरी यूज़ करेंगे जो कि सबसे ज्यादाेंट होती है इफ यू आर मेकिंग न्यूरल नेटवर्क एंड दैट इज़ टेंसर फ्लो। एंड टेंसर
फ्लो वाज़ लॉन्चड बाय Google। लेकिन अब ये लाइब्रेरी को यूज़ करते समय एक चीज मैं आपको साफ बताना चाहता हूं। इफ यू आर
यूजिंग टेंसर फ्लो ऑन जुपाटर और लेट्स से वीएस कोड तो देयर इज अ स्लाइट पॉसिबिलिटी कि आपको वो डाउनलोड करना पड़ेगा या फिर
आपको पिप इंस्टॉल टेंसर फ्लो करना पड़ेगा क्योंकि आई एम नॉट श्योर एनाकोंडा डिस्ट्रीब्यूशन में क्योंकि मैंने बहुत
समय से यूज़ नहीं किया। आई हैव बीन यूजिंग Google कोलैब फॉर द मोस्ट ऑफ द टाइम। लेकिन आई एम नॉट श्योर कि शायद से जो
एनाकोंडा डिस्ट्रीब्यूशन है वहां पे डिफरेंट तरीके से यूज़ होना शुरू हो गया है यह। या फिर आप बोल सकते हो यह शायद से
प्रीइस्टॉल्ड नहीं आता है। तो आपको पेप इंस्टॉल्ड टेंसिल फ्लू लिखना पड़ेगा। पेप इंस्टॉल
टेंसर फ्लो यू कैन सी यहां पर इंस्टॉल टेंसर फ्लो विद पिप टेंसर फ्लो की ऑफिशियल वेबसाइट पर आप जा सकते हो एंड बाय द वे इफ
यू वांट टू लर्न टेंसर फ्लो तो इनके ऑफिशियल वेबसाइट पे आप डॉक्यूमेंटेशन देख सकते हो और अगर आप एक्चुअली में चाहते हो
कि नहीं भैया आप एक फुल फ्लेज कोर्स निकाल दो जिसमें आप प्रॉपर तरीके से बता रहे हो कि कैसे टेंसर फ्लो का एक-एक एलिमेंट
एक-एक ऑब्जेक्ट काम करता है तो मैं उसके लिए एक वीडियो बना दूंगा कमेंट करो टेंसर फ्लो मैं बना दूंगा कोई प्रॉब्लम नहीं है।
ठीक है? सो दीज़ आर सम ऑफ दी हार्डवेयर रिक्वायरमेंट्स जीpuvpu चाहिए रहता है आपको लेकिन इफ यू वांट जीpu और आपके पास
नहीं है अगेन यू कैन यूज़ Google कोलैब क्योंकि यहां पे इनबिल्ट GPU आपको मिल जाता है। ठीक है? यू जस्ट हैव टू गो टू
सेटिंग्स एंड आई गेस अ शायद से पता नहीं मैंने अभी चलो वो सब बाद में देखेंगे। इतना ज्यादा आगे नहीं जाते। तो सिंपली
आपको क्या करना है? इंपोर्ट टेंसर फ्लो एस टीf और Google में ऑलरेडी रहता। तो जैसे आप देख सकते हो दोनों चीजों को मैंने यूज़
किया। अब इसके आगे और भी चीजें इंपोर्ट करनी है क्योंकि टेंसर फ्लो का एक और चीज होती है कैरास। ठीक है? अब टेंसर फ्लो और
कैरास को मैं डिफरेंशिएट करने के लिए ऐसे बोल सकता हूं। लेट्स से आप ये मान के चलो अ टेंसर फ्लो इज द इंजन एंड कैरास इज द
ड्राइविंग व्हील। या फिर आप यह बोल सकते हो टेंसर फ्लो के ऊपर ही कैरास बना है और कैरास टेंसर फ्लो का यूज़ करके आपके न्यूरल
नेटवर्क्स को क्रिएट करता है। ठीक है? दैट्स कैरास। तो आप यहां पे लिख सकते हो फ्रॉम
टेंसर फ्लो इंपोर्ट के ई आर ए एस ठीक है इंपोर्ट कैरास दैट्स इट ठीक है फिर अब इसके बाद
क्या करना है भैया कैरास भी हो गया अब एक और चीज करनी है दैट इज़ ट्रेन टेस्ट स्प्लिट क्योंकि अगर आप कोई भी डेटा करोगे
मशीन लर्निंग और डीप लर्निंग दोनों में ही आपको ट्रेन टेस्ट स्प्लिट करना पड़ता है एंड यहां पे थोड़ा सा ट्रेन टेस्ट स्प्लिट
डिफरेंट होता है यहां पे अपन वैलिडेशन के लिए अलग सी चीज निकालते हैं आई विल टेल यू लेटर। ठीक है? फिर इसके बाद एक और चीज
करते हैं। इंपोर्ट एसके फ्रॉम एस्केलन डॉट आई गेस मॉडल सेलेक्शन मॉडल सेलेक्शन
इंपोर्ट ट्रेन टेस्ट स्प्लिट। ठीक है भैया। और एक चीज और करनी पड़ेगी। एंड दैट इज़ लेयर्स। अब
मैं समझाऊंगा। अच्छा लेयर्स सुन के क्या लग रहा होगा? लेयर वन, लेयर टू, लेयर थ्री, लेयर फोर अभी पढ़ा था। ठीक है? तो एक
और चीज़ इंपोर्ट करनी पड़ती है। एंड दैट इज़ लेयर्स। तो उसके लिए अपन लिखेंगे फ्रॉम टेंसर फ्लो
डॉट के ईआर एस कैरास मतलब अब सोचो पहले टेंसर फ्लो किया फिर टेंसर फ्लो के बाद कैरास किया फिर कैरास के बाद टेंसर फ्लो
डॉट कैरास किया और उसमें से अपन अब इंपोर्ट करेंगे क्या लेयर्स इसी तरीके से लाइब्रेरीज बनाई गई थी ठीक है पर एक चीज
और कर दो इंपोर्ट पंडास एस्क पीडी फॉर ऑब्वियसली रीडिंग योर डेटाबेस एज़ यू कैन सी सब पे हो गया और यहां पे अगर आपको लाइन
आ रही है या फिर एरर लग रहा है तो एरर नहीं है कोई ऐसी प्रॉब्लम नहीं नहीं है। रिज़ॉल्वड है वो। ठीक है? देख लो
एग्जीक्यूट हो चुका है ये सेल। अब आफ्टर एग्जीक्यूटिंग दिस सेल नाउ लेट्स क्रिएट द डमी डेटा। सो आई हैव क्रिएटेड वन डमी
डेटा। आपको दिखा देता हूं। इट्स अ वेरी वेरी सिंपल डमी डेटा। ये लो। एंड मैंने ऑब्वियसली अब आप लोगों ने डेटा फ्रेम्स का
ही यूज़ किया। इसलिए मैंने पीडी डॉट डेटा फ्रेम यूज़ करके आपका डमी डेटा क्रिएट किया है। सो लेट्स सी द डेटा। तो अगर मैं देखता
हूं डीएफ तो डीएफ के अंदर कुछ इतनी वैल्यूज़ हैं। बस कितनी? 15 वैल्यू्यूज रखी हैं। 16 वैल्यू्यूज रखी हैं। अब ऑब्वियसली
अगर आप डीप लर्निंग का कोई प्रोजेक्ट बनाना चाह रहे हो इट नीड्स ह्यूज डेटा या फिर आप बोल सकते हो ज्यादा डेटा। इतने से
डेटा के लिए तो शायद से मशीन लर्निंग ज्यादा अच्छा वर्क कर सकेगा। लेकिन स्टिल मैं बस आपको इंप्लीमेंट करने के लिए दिखा
रहा हूं। यू डोंट हैव टू यूज़ डीप लर्निंग इन स्मॉल सच अमाउंट्स ऑफ़ डेटा। आपको बड़ा डेटा चाहिए। लाइक बिग डेटा। ठीक है? तो ये
हो गया भैया आपका पूरा डेटा फ्रेम। नाउ व्हाट वी आर गोइंग टू डू इज़ इस डेटा फ्रेम का यूज़ करके अपन लोग एक बेसिक सा मॉडल
बिल्ड अप करेंगे। ठीक है? तो सबसे पहले तो अपन क्या करते हैं? x और y में डिवाइड कर लेते हैं। सारी ही वैल्यू्यूज न्यूमेरिक
हैं। कोई दिक्कत नहीं है। तो एक काम करता हूं। x इक्व टू मैं लिख देता हूं कैपिटल x = df ऑफ़ सिर्फ और सिर्फ तीन चीजें लिखनी
है। df ऑफ़ सॉइल मॉइस्चर, टेंपरेचर एंड सनलाइट आस्क। ठीक है? तो इन तीनों को मैं कॉपी करता हूं। या फिर एक काम करता हूं। अ
लेट्स डू वन थिंग। लेट मी डू वन थिंग एंड दैट इज़ df डॉट कॉलम्स। ये इसलिए कर रहा हूं जिससे मैं
कॉपी कर पाऊं ईजीली। ठीक है? डीएफ डॉट कॉलम्स। अरे कॉलम्स में क्या दिक्कत आ रही है? डेटा
फ्रेम ऑब्जेक्ट हैज़ नो डीएफ डॉट कॉलम होगा क्या? सिर्फ आई एम नॉट श्योर डीएफ डॉट अच्छा ऊपर कोई की एरर की वजह से दिक्कत आ
रही है क्या? डीएफ डॉट कौन? हमसा अच्छा एमएस लिख रहा था। सॉरी मेरी स्पेलिंग मिस्टेक हो गई होगी। आई एम
नॉट श्योर। अब भैया मैं x बना लेता हूं। तो x = df के अंदर से सिर्फ आपको तीन चीजें चूज़ करनी है। एंड दोज़ थ्री थिंग्स
आर वेरी सिंपल। सॉइल, मॉइस्चर, टेंपरेचर, सनलाइट, आवर्स। ठीक है? नीड वॉटर्स जो है वो उसको मैं y में रखूंगा क्योंकि आई वांट
टू प्रिडिक्ट कि सामने वाला जो प्लांट है उसको वाटर चाहिए कि नहीं चाहिए। एंड y के अंदर मैं क्या लिख दूंगा? सिर्फ नीड्स
अंडरस्कोर वाटर। दैट्स इट। तो आपके x और y भी क्रिएट हो चुके हैं। नाउ अपने को क्या करना है?
ऑब्वियसली ट्रेन टेस्ट स्प्लिट करना है। लेकिन ट्रेन टेस्ट स्प्लिट करने से पहले मैं एक चीज़ बताना चाहूंगा। व्हनेवर यू आर
मेकिंग सच काइंड ऑफ़ प्रोजेक्ट आपको एक और चीज़ करनी पड़ेगी। एंड दैट इज़ मिन मैक्स स्केलर या फिर आप बोल सकते हो आपको
स्केलिंग करनी पड़ेगी आपकी वैल्यूज़ की। जैसे कि टेंपरेचर 34 है तो आई नीड दिस बिटवीन ज़ीरो एंड वन। सो दैट विल बी मिन
मैक्स स्केलर। एंड व्हाट इज़ स्टैंडर्डाइज़ेशन? देखो, एक होता है नॉर्मलाइज़ेशन, एक होता है
स्टैंडर्डाइज़ेशन। व्हाट इज़ नॉर्मलाइज़ेशन? नॉर्मलाइज़ेशन में अपन वैल्यूज़ को ज़ीरो और वन के बीच में लेके आ जाते हैं। ठीक है?
स्टैंडर्डाइजेशन के बीच में अपन लोग पूरे डेटा का एवरेज जीरो रख देते हैं या फिर आप बोल सकते हो मीन जीरो रख देते हैं और
स्टैंडर्ड डेविएशन वन रखते हैं तो घूम फिर के वैल्यू्यूज हमेशा नेगेटिव थ्री और पॉजिटिव थ्री के बीच में आएंगी और बहुत
रेयर केस में वो पॉजिटिव टू और नेगेटिव टू के ऊपर जाएंगी। सो दिस इज़ व्हाट आवर स्टैंडर्डाइजेशन नॉर्मलाइजेशन इज़। तो भैया
डीप लर्निंग में क्या यूज़ करें? यूजुअली मशीन लर्निंग में अपन स्टैंडर्डाइजेशन यूज़ करते थे। लेकिन डीप लर्निंग में अपन लोग
नॉर्मलाइजेशन यूज़ करेंगे। ठीक है? सो हाउ यू कैन डू नॉर्मलाइजेशन? यू कैन यूज़ मीन मैक्स स्केलर। नाउ व्हाट इज़ मीन मैक्स
स्केलर? इट्स वेरी सिंपल। मैं आपको सीधे लिख के दिखा देता हूं। सो आपको x जो है x के अंदर ही आपको स्टैंडर्डाइजेशन करना है।
सॉरी नॉर्मलाइजेशन। क्यों? क्योंकि भैया y तो क्या है आपका आउटपुट वेरिएबल वो ऑलरेडी ज़ीरो और वंस में उसको अपने को छेड़ने की
जरूरत नहीं है। सो इट्स वेरी सिंपल। मैंने लिखा जो x है ये वाला x है। इसका एक मिनिमम और इसका एक मैक्सिमम निकाल लो और
स्केल कर दो उसके फ़ूले का यूज़ करके। सो इफ यूज़ द फ़ूला x - x मिनिमम डिवाइड बाय x मैक्स - x मिनिमम। एंड दिस इज़ एंपेरिकल।
ठीक है? 1 - 8 आप इतना ज्यादा उसमें डेप्थ में नहीं जाएंगे क्योंकि आई एम नॉट हियर टू टीच क्या होता है मिन मैक्स स्केलर ये
मैंने पहली वाली वीडियोस में बता के रखा है ऑलरेडी ठीक है सो एज़ यू कैन सी जैसे ही मैंने मिन मैक्स स्केलिंग करी और अब एक
बार अगर मैं x को देखता हूं अपने सो यू विल सी ऑल द वैल्यूज़ बिटवीन ज़ीरो एंड वन जस्ट वेट वन सेकंड एंड एज़ यू कैन सी आ गई
ये सारी वैल्यूज़ नहीं आई X स्केल्ड में आएगी माय बैड मैंने x लगा दिया x अंडरस्कोर स्केल्ड हां अब देख लो तो सारी
वैल्यूज़ क्या आ गई ज़ीरो और वन के बीच में आ गई हैं। क्यों ऐसा करते हैं भैया? इसलिए करते हैं क्योंकि आपका जो डीप न्यूरल
नेटवर्क होता है वो इन वैल्यूज़ पे ज्यादा अच्छा काम करता है। अब वो थोड़ा सा ब्लैक बॉक्स मॉडल है। आई एम नॉट श्योर क्यों ऐसा
करता है, क्या होता है उसके बीच में। आई गेस स्लोप्स बनाने में या फिर आपके पास जो स्ट्रेट लाइनिंग होती है, थोड़ा बहुत
डिस्टेंस बेस्ड एल्गोरिथम्स भी यूज़ करता है। देयर आर मेनी थिंग्स बिहाइंड द सीरीज़ जो चलती है डीप न्यूरल नेटवर्क्स में। ठीक
है? सो उसके लिए अपन लोग हमेशा यूजुअली मिन मैक्स स्केलर का यूज करते हैं। चलो ठीक है। अब क्या करें भैया? अब इसके बाद
ऑब्वियसली एक चीज आती है दैट इज़ ट्रेन टेस्ट स्प्लिट। तो ट्रेन टेस्ट स्प्लिट करने के लिए सबसे इजी चीज क्या होती है?
यू कैन यूज़ ट्रेन अंडरस्कोर टेस्ट अंडरस्कोर स्प्लिट। और जैसे ही आप ब्रैकेट लगाओगे आपको एक ये ऑप्शन आ जाएगा। नीचे
जाओगे आपको ऑलरेडी मिल जाएगा कि कैसे आप ट्रेन टेस्ट स्प्लिट करते हो। तो यू कैन यूज़ ये और
एंड देयर यू गो। ठीक है? और आप लोगों ने ट्रेन टेस्ट स्प्लिट का कॉपी कर दिया। ये चीज़ आप लोगों को आती होगी। एंड आफ्टर दैट
अब मैं यहां पे लिखूंगा एक्स अंडरस्कोर स्केल्ड एस सी ए एल इ डी स्केल्ड और y को तो चेंज करा ही नहीं अपन ने वैसे का वैसा
रहेगा टेस्ट साइज में 25% एंड 20% या फिर 25 और 75 रख देता हूं सही रहेगा रैंडम स्टेट 42 रहेगी ठीक है सो दिस इज़ हाउ यू
आर गोइंग टू डू द ट्रेन टेस्ट स्प्लिट देयर यू गो बहुत ही सिंपल फाउंड इनपुट वेरिएबल्स विद इन अनकंसिस्टेंट नंबर ऑफ़
सैंपल 16:1 हाउ इज़ इट पॉसिबल आई एम नॉट श्योर x स्केल्ड इज़ वर्किंग फाइन व्हाट
ओके ओके ओके ओके ओके एक चीज और यूज़ कर देना यहां पे स्ट्रटिफाई आई गेस एस टी आर ए टी आई एफ आई स्ट्रेटिफाई इज़ इक्व टू
व्हाई नाउ लेट्स सी अरे यार व्हाई इट इज़ गिविंग मी दैट थिंग एक्स टेस्ट एक्स ट्रेन एक्स टेस्ट व ट्रेन व टेस्ट ट्रेन टेस्ट
स्प्लिट एक्स स्किल्ड यार ऐसा कैसे हो सकता इट्स मोर और लेस द सेम थिंग।
व्हाई इट इज गिविंग? रन ऑल करके देख लेते हैं एक बार। नहीं हर बार यही दिक्कत आ रही है।
हम आ डीएफ तो लिखा ही नहीं वाई के अंदर। बहुत
ही बढ़िया। वुड वाई ऐसा बन गया होगा। चलो एक बार दिखा देता हूं y कैसा दिख रहा होगा। इफ यू सी वाई सिर्फ उसके अंदर एक
ऐसा अरे बन रहा होगा। माय बैड माय बैड। अगर आप लोगों ने ये चीज पकड़ ली थी दैट वास द एरर तो बहुत बढ़िया। ठीक है? तो नाउ
यू कैन सी अब हो चुका है ट्रेन टेस्ट स्प्लिट फाइनली। नाउ व्हाट वी हैव टू डू इज़ आफ्टर ट्रेन टेस्ट स्प्लिट नाउ लेट्स
क्रिएट द मॉडल यूजिंग कैरास एंड टेंसर फ्लो ऑब्वियसली। ठीक है? क्योंकि कैरास इज़ अ सबसेट ऑफ़ टेंसर फ्लो या फिर आप बोल सकते
हो टेंसर फ्लो के ऊपर ही कैरास बना है। ठीक है? सो फॉर क्रिएटिंग अ मॉडल जैसे अपन मशीन लर्निंग में मॉडल क्रिएट करते थे
वैसे ही यहां पे भी मॉडल लिखना है। मॉडल इज इक्वल्स टू के ई आर ए एस कैरास डॉट सीक्वेंशियल। अब आपके पास बहुत अलग-अलग
टाइप के होते हैं चीजें। ठीक है? लेकिन व्हाट आई एम गोइंग टू यूज़ इज़ सीक्वेंशियल मॉडल। ठीक है? सीक्वेंशियल मॉडल के अलावा
और मॉडल्स होंगे। उस पे अभी हम आगे बात करेंगे। लेकिन करेंटली आई एम जस्ट गोइंग टू शोकेस यू अ वेरी सिंपल मॉडल दैट वी हैव
टू बिल्ड। सीक्वेंशियल का यूज़ करने के बाद यू विल क्रिएट अ आप बोल सकते हो एक अरे टाइप की चीज या फिर आप बोल सकते हो एक
लिस्ट क्रिएट करेंगे। ठीक है? नाउ इनसाइड दिस लिस्ट नाउ लेट्स क्रिएट क्रिएट सम लेयर्स। अब लेयर्स क्या होती हैं भैया? ये
होती हैं लेयर्स। आई गेस यू नो व्हाट आर लेयर्स? दीज़ आर दी लेयर्स। लेयर वन, लेयर टू, लेयर थ्री, लेयर फोर। इस टाइप की आपकी
लेयर्स दिखती हैं। ठीक है? सो द फर्स्ट लेयर विल बी इनपुट लेयर। और ऑब्वियसली भैया इनपुट कितनी चीजों का लेंगे? तीन
चीजों का लेंगे। सॉइल मॉइस्चर का, टेंपरेचर C का एंड सनलाइट आर्क का। ठीक है? क्योंकि अपने पास तीन चीजें हैं। तो
इसके लिए अपन यहां पे ये लिख सकते हैं लेयर्स डॉट इनपुट। सिंपल सी बात है। एक बना रहे हैं इनपुट लेयर और i कैपिटल होता
है इनपुट का। ठीक है? लेयर्स डॉट इनपुट। और इसमें अपन लोग एक शेप लिखेंगे। शेप मतलब कितने न्यूरॉन्स चाहिए फॉर दी इनपुट।
ठीक है? तो शेप इज़ इक्वल्स टू इट्स वेरी सिंपल। x अंडरस्कोर जो आपके पास ट्रेनिंग डेटा है। व्हाट इज़ द ट्रेनिंग डेटा? दिस
इज़ द ट्रेनिंग डेटा। ठीक है? x ट्रेन जो है, उसका आप बस शेप मुझे प्रोवाइड कर दो। शेप मतलब आपके पास कितने इनपुट वेरिएबल्स
हैं। इट कैन बी थ्री, इट कैन बी फोर, इट कैन बी फाइव, इट कैन बी 10, इट कैन बी 20, इट कैन बी 100 एज़ वेल। यू कैन हैव 100
डायमेंशंस। तो आपने सीधे बोल दिया कि भैया एक्सट्रेन का जो शेप है बस वो प्रोवाइड कर दो। डॉट शेप और शेप में से मैं सबसे पहली
वाली वैल्यू निकालूंगा। क्योंकि अगर शेप करते हैं तो रोज़ एंड कॉलम्स होते हैं। तो दूसरी वाली वैल्यू निकालेंगे तो उसके लिए
मैं लिख दूंगा वन। ज़ीरो एलिमेंट पे क्या होगा? अगर नहीं समझ रहा है तो ये देख लो भाई। फिर समझा रहा हूं।
व्हेन यू कैलकुलेट शेप ऑफ एनीथिंग तो शेप कुछ ऐसा आता है। आपने देखा होगा ऐसा आएगा। लेट्स से पहले होते हैं अपने पास रोज़। रोज़
जितनी भी होती है 15 कॉलम्स कितने हो जाएंगे आपके पास? ऑब्वियसली थ्री कॉलम्स हो जाएंगे। तो आई नीड दिस थिंग। तो इसके
लिए मैंने क्या करा? जो आपकी लिस्ट है या फिर आपके पास जो अ क्या कहते हैं? टपल आता है उसका सेकंड वाला एलिमेंट उठाना है। तो
आपके पास ये आया टपल और उसका सेकंड एलिमेंट क्या होगा? ज़ीरो वन। फर्स्ट वाला ही होगा। ठीक है? सो दैट्स इट। अब आपने
अपना शेप डिसाइड कर लिया है इनपुट लेयर्स का। अब इनपुट के बाद अब अपन लोग करते हैं हिडन लेयर्स। ठीक है? अगर डायरेक्टली
आउटपुट लेयर बना दी तो वो क्या बन जाएगा? एक परसेप्टन बन जाएगा। बट आई एम नॉट हियर टू क्रिएट अ परसेप्टन। आई एम हियर टू
क्रिएट ए एन एन आर्टिफिशियल न्यूरल नेटवर्क। तो उस चीज के लिए अब आपको आपकी सेकंड लेयर बनानी है। सो व्हाट विल बी द
सेकंड लेयर? एल ए वाई ई आर एस लेयर्स डॉट डेंस। अब अगर आपको बनाना है लास्ट लेयर तो आपको क्या लगाना पड़ेगा? डेंस लेयर बनानी
पड़ेगी। ठीक है? और जैसे ही आपने डेंस लिखा डेंस के अंदर अब आपको बहुत सारी चीजें दिखेंग डेंस इंप्लीमेंट्स द ऑपरेशन
आउटपुट एक्टिवेशन फंक्शन और ये सब 10 चीजें लिखेंगे लेकिन सब अपन को समझ आएगा क्या है ये सब ठीक है अभी समझा रहा हूं
ठीक है इफ द इनपुट टू द लेयर हैज़ अ रैंक ग्रेटर देन टू डेंस कंप्यूट्स द डॉट प्रोडक्ट बिटवीन द इनपुट एंड द कर्नल
लास्ट एक्सिस ऑफ द इनपुट एंड एक्सिस ज़ीरो ऑफ़ द कर्नल। कुछ समझ नहीं आ रहा समझा रहा हूं। देखो सिंपल है। आपको अब यहां पे
बताना पड़ेगा कि कितना डेंस लेयर चाहिए। या फिर आपको कितने हिडन के अंदर न्यूरॉन्स चाहिए? ये लो मैं ऐसे लिख के दिखा देता
हूं। लेट्स से मैंने तीन इनपुट अच्छा और अभी ये सब चीजें मैंने इसलिए लिखी हैं क्योंकि आई एम गोइंग टू एक्सप्लेन यू
व्हाट दीज़ थिंग्स आर। ठीक है? इफ यू आर यूजिंग थ्री इनपुट लेयर्स। थ्री इनपुट लेयर वन। दिस इज़ द फर्स्ट इनपुट लेयर, दिस
इज़ द सेकंड इनपुट लेयर एंड दिस इज़ द थर्ड इनपुट लेयर। तो जो आपके मिडिल में होगा उसमें आप जितनी भी चाहें उतना भी इतनी आप
हिडन लेयर्स बना सकते हो। या फिर उस हिडन में उतने न्यूरॉन्स बना सकते हो। सो लेट्स से अगर आई वांट टू क्रिएट टू न्यूरॉन्स तो
मैं यहां पे ऐसे दो न्यूरॉन बनाने के लिए सिंपली यहां पे लिख सकता हूं टू। ठीक है? आई इत समझ। लेकिन यूजुअली अपन दो नहीं
बनाते। अपन लोग एक टू के पावर्स में बनाते हैं। ठीक है? यू कैन हैव एट, यू कैन हैव 16, यू कैन हैव 32, यू कैन हैव 64। दीज़ आर
द टू की पावर्स। आई गेस आपको समझ आ रहा है। ठीक है? तो मैं लेके चल रहा हूं एट न्यूरॉन्स। मतलब बीच में आई एम नॉट गोइंग
टू हैव टू। आई एम गोइंग टू हैव 1 2 3 नॉट अ बॉक्स। 1 2 3 4 5 6 7 एंड 8 दिस इज़ व्हाट आई वाज़ सेइंग। आपके पास कितने
न्यूरॉन्स होंगे ऐसे बीच में आठ एंड ईच एंड एव्री न्यूरॉन विल बी कनेक्टेड टू ईच अदर। ठीक है? इतना तो होता ही है। दिस इज़
अ वेरी बेसिक आप बोल सकते हो न्यूरल नेटवर्क। ठीक है? अब इसके आगे मैं चाहूं तो मैं छह और बना सकता हूं। एक और डेंस
हिडन लेयर बना सकता हूं। इसके आगे और चार की बना सकता हूं। एक और डेंस हिडन लेयर। ठीक है? और फिर उसके बाद एक आउटपुट लेयर
बना सकता हूं। बट आई एम नॉट गोइंग टू क्रिएट दैट मच। व्हाट आई एम गोइंग टू डू इज़ मैं अब सीधे एक आउटपुट लेयर बना दूंगा।
सो आई विल हैव वन लेयर विद द एट हिडन न्यूरॉन्स एंड आफ्टर दैट इसमें अब मेरे को एक एक्टिवेशन फंक्शन अप्लाई करना पड़ेगा।
अच्छा क्यों? क्योंकि मैंने अभी बताया था आपको व्हेन यू आर गोइंग टू अप्लाई एक्टिवेशन फंक्शन लेयर टू से स्टार्ट
करोगे। लेयर वन में कोई एक्टिवेशन नहीं होता। वो इनपुट लेयर होती है। ठीक है? तो अब यहां पे कौन सा एक्टिवेशन फंक्शन अपन
अप्लाई कर सकते हैं। सो अभी मैंने आपको बताया था द बेस्ट एक्टिवेशन फंक्शन दैट यू कैन अप्लाई इन द लेयर टू या फिर हिडन
लेयर्स आर रेलू ऑब्वियसली। तो चलो एक काम करते हैं। रेलू को ही लगा के देखते हैं। तो मैंने लिख दिया एक्ट
वेशन = आर ई एल यू रेलू के लिए आर ई एल यू वैल्यू दैट्स इट। ठीक है? फिर अब इसके बाद अपने को एक आउटपुट लेयर भी बनानी है। तो
आउटपुट लेयर में भी अपन क्या लिखते हैं? डेंस ही लिखते हैं। लेयर डॉट डेंस और लेयर डॉट डेंस में आउटपुट तो सिर्फ एक ही
चाहिए। मेरे को या तो ज़ीरो या फिर वन बाइनरी क्लासिफिकेशन चाहिए। तो मैं सिर्फ एक आउटपुट ले लेता हूं। ठीक है? लेयर्स
डॉट डेंस वन आउटपुट और यहां पे भी अब मुझे एक एक्टिवेशन फंक्शन अप्लाई करना है। चलो अब जल्दी से बताओ मुझे कौन सा
क्लासिफिकेशन करना है? क्या मेरे को लीनियर क्लासिफिकेशन मतलब लीनियर नंबर्स चाहिए? नहीं चाहिए। ठीक है? उसको हटा दो।
क्या मुझे मल्टी क्लासिफिकेशन करना है? नहीं। तो मतलब सॉफ्ट मैक्स भी नहीं। क्या मुझे बाइनरी क्लासिफिकेशन करना है ज़ीरो और
वन का? यस। तो व्हाट आई कैन यूज़ इज़ सिग्माइड एक्टिवेशन ऑफ़ सेंस। वेरी सिंपल। तो अपन यहां पे जाएंगे और यहां पे लिख
दिया एक्टिवेशन = सिग्मॉयड एस आई जी एम ओ आई डी सिगॉइड
एक्टिवेशन फंक्शन अप्लाई कर दिया। सो दैट्स इट। दिस इज़ हाउ यू क्रिएट योर मॉडल। क्या भैया इसके अंदर अपन एक और बीच में
हिडन लेयर अप्लाई कर सकते हैं? यस। एक और इसके नीचे लिख दो। यहां पे लिख दो एक और लेयर, एक और लेयर, एक और लेयर। यू कैन हैव
मल्टीपल लेयर सिस्टम्स। ठीक है? एंड देन यू कैन क्रिएट योर डीप लर्निंग मॉडल। अब इस डीप लर्निंग मॉडल को ना ही मैंने अभी
डेटा प्रोवाइड किया है ना ही कुछ। दिस इज जस्ट अ मॉडल दैट आई हैव क्रिएटेड। जैसे ही मैं एग्जीक्यूट करूंगा कन्वर्ट थ्री टू अ
शेप व्हाट थ्री टू अ शेप। आई एम नॉट श्योर व्हाट दे आर सेइंग। अट
दैट व्हाट दे आर आस्किंग फॉर व्हाट हैपेंड? क्लोजिंग पैरेंथेसिस तो लगे हैं। जस्ट लेट
मी सी इज देयर एनी प्रॉब्लम? लेयर डॉट इनपुट बनाया, शेप लगाया। आ ठीक है मैं समझ गया। ठीक है। अब कोई दिक्कत नहीं आनी
चाहिए। कन्वर्ट थ्री टू अ शेप। कम ऑन मैन आई हैव कनवर्टेड इट। अच्छा इसके बाद एक कॉमा भी लगाना पड़ेगा। अरे मैं समझा रहा
हूं। जब भी अपन ये मॉडल बनाते हैं तो आपके पास एक चीज़ होती है एंड दैट इज़ शेप। ठीक है? और शेप जो है वो कुछ ऐसा दिखता है। एक
ब्रैकेट के अंदर यहां पे होते हैं इनपुट। और यहां पे एक इनपुट होता है। दिस इज़ फॉर रोज़ एंड दिस इज़ फॉर कॉलम। सो आई एम
करेंटली प्रोवाइडिंग दी रोज़। मेरे को कोई कॉलम्स नहीं चाहिए इनपुट लेयर्स में। तो बस ये वाली वैल्यू चाहिए थी। इसलिए मैंने
यहां पे कॉमा लगा के एम्प्टी स्पेस छोड़ दिया। आई होप ये चीज़ समझ आ रही है। ठीक है? सो इट्स अ शेप। इसी तरीके से शेप को
लिखना पड़ेगा आपको। सो नाउ यू हैव क्रिएटेड द मॉडल। नाउ आफ्टर क्रिएटिंग द मॉडल। अब इसको अपने को कंपाइल करना पड़ेगा। अच्छा
कंपाइल क्यों कर रहे हो भैया? याद करो। देयर आर टू मोर थिंग्स। एक है भैया ऑप्टिमाइजर और एक है लॉस। क्या मैंने अभी
लॉस यूज़ किया? नहीं किया। क्या मैंने अभी ऑप्टिमाइजर यूज़ किया? नहीं किया। अभी क्या करें? सिर्फ एक्टिवेशन फंक्शनंस यूज़ करें।
और कौन से कौन से करें? एक रेलू एक्टिवेशन फंक्शन यूज़ किया और एक सिग्माइड एक्टिवेशन। तो अब क्या करें भैया? बहुत
सिंपल है। मॉडल डॉट कंपाइल। और अब कंपाइल करते समय अपन बता देंगे कि भैया मुझे क्या-क्या ऑप्टिमाइजर्स यूज़ करना है या
फिर एक ही ऑप्टिमाइजर यूज़ होगा या फिर आपको क्या लॉस फंक्शन यूज़ करना है। ठीक है? तो अभी तक तो वैसे देखो ना मैंने
ऑप्टिमाइजर्स पढ़ाया ना ही मैंने लॉस फंक्शन पढ़ा है। तो एक काम करता हूं। मैं एक सिंपल सा ऑप्टिमाइजर यूज़ करता हूं जो
आपको पता है। एंड दैट इज एस जीडी एस जी डी डू यू नो व्हाट इज दिस? सिंपल ग्रेडियंट डिसेंट। ग्रेडियंट डिसेंट अपन ने अभी पढ़ा
है और लास्ट टाइम भी पढ़ा था तो आपको पता होगा। और लॉस फंक्शन में भी अपन ने एक ही चीज़ पढ़ी है। एंड दैट इज़ लॉग लॉस फंक्शन या
फिर आप उसको बोल सकते हो बाइनरी क्रॉस एंट्रॉपी। दीज़ आर दिस इज़ द लॉस फंक्शन जो अभी अपन ने देखा भी था। तो अपन उसको सीधे
लिख देते हैं। बाइनरी क्रॉस अ क्या दिक्कत आ रही है? बाइनरी क्लॉज़ यार यहां पे ना वो नहीं मिलते सजेशन
बाइनरी अंडरस्कोर क्रॉस अंडरस्कोर एंट्रॉपी दैट्स इट। ठीक है? बाइनरी क्रॉस एंट्रॉपी हो गया आपके पास। अच्छा क्रॉस
एंट्रॉपी के बीच में और शायद से वो भी नहीं आता। यू कैन फाइंड द डॉक्यूमेंटेशन ऑफ़ ऑल ऑफ़ दिस। ऐसे टेंशन लेने की जरूरत
नहीं कि भैया क्या हमें रटना पड़ेगा? नहीं। आई एम जस्ट शोकेसिंग यू हाउ यू क्रिएट अ मॉडल। इट्स वेरी सिंपल। ट्रेन टेस्ट
स्प्लिट मॉडल क्रिएट किया सीक्वेंशियल यूज़ किया लेयर्स बनाई एक्टिवेशन फंक्शनंस यूज़ करें। कंपाइल करते समय ऑप्टिमाइज़र्स यूज़
करें। लॉस फंक्शन यूज़ करें। और एक और चीज यूज़ करोगे दैट इज़ मैट्रिक्स। मैट्रिक्स मतलब किस चीज में आप इवैल्यूएट करना चाहते
हो अपने पूरे मॉडल को? तो अपन ऑब्वियसली एक चीज़ से करेंगे एक्यूरेसी से। ठीक है? तो ए डबल सी यू आर ए सी वाई। तो एक्यूरेसी
से मैं अपने मॉडल को इवैल्यूएट करूंगा। दैट्स इट। सो देयर यू गो। यू हैव कंपाइल्ड योर मॉडल विद द ऑप्टिमाइज़र्स, लॉस एंड
लेयर्स। अब अपन डेटा फीड करते हैं और देखते हैं किस तरीके से। अब बात करते हैं फॉरवर्ड एंड बैकवर्ड प्रोपगेशन की। आई
टोल्ड यू वन थिंग। एक फॉरवर्ड एक बैकवर्ड इक्वल्स टू वन एपॉक। क्या बोलते हैं उसको? वन एपॉक। तो चलो वन एपॉक करते हैं। लेट्स
से। एंड ड्यूरिंग डूइंग द इपॉक्स आप एक चीज कर सकते हो। वैसे लिखो तो कोई दिक्कत नहीं। नहीं लिखो तो भी चलेगा। लेकिन डू वन
थिंग कि जो भी अब आप पूरी ट्रेनिंग करोगे उसको कहीं पे सेव कर लो। एंड दैट विल बी द हिस्ट्री। हिस्ट्री में आपने सेव कर लिया।
ठीक है? और आपने अपना मॉडल उठाया, मॉडल डॉट फिट किया। और फिट करने के बाद अब आपको मल्टीपल चीजें फिर से देनी पड़ेंगी। सबसे
पहले तो x अंडरs ट्रेन कॉमा डॉट वैल्यूज़ देनी पड़ेगी। क्या देना पड़ेगा? एक्स ट्रेन वैल्यूज़। नाउ लेट मी टेल यू व्हाट
दिस एक्स ट्रेन वैल्यूज़ मींस? जो आपके पास x था पहले तो आप लोगों ने उसको क्या किया? अच्छा सॉरी x स्केल्ड किया था और फिर आपने
एक्स ट्रेन, एक्स टेस्ट, x y ट्रेन एंड y टेस्ट में कन्वर्ट कर दिया था। ठीक है? तो अब एक्सट्रेन की आपको सिर्फ वैल्यू्यूज
देने का मतलब ये है आप एक अरे फॉर्म में दे रहे हो। ठीक है? क्योंकि जो आपके न्यूरल नेटवर्क्स हैं वो अरेज़ के साथ वर्क
करते हैं। डेटा फ्रेम्स के साथ नहीं करते। तो एक्सट्रेंड डॉट वैल्यूज़ दोगे और फिर क्या दोगे? Y अंडरs ट्रेंड डॉट वैल्यूज़
दोगे। ठीक है? तो दोनों वैल्यू्यूज आपने प्रोवाइड कर दी। नाउ व्हाट यू हैव टू डू इज़ अगेन आप कॉमा लगाएंगे। नीचे जाएंगे।
लेट्स प्रोवाइड सम मोर थिंग्स। एंड दैट इज़ वैलिडेशन डेटा। वैलिडेशन डेटा मतलब आप यह बोल सकते हो वाई टेस्ट एंड वाई ट्रेन। ठीक
है? सॉरी वैलिडेशन में y टेस्ट x टेस्ट एंड y टेस्ट देंगे तो अपन दे देते हैं बहुत सिंपल है x अंडरs टेस्ट डॉट वैल्यूस
वापस से वही क्योंकि मेरे को क्या चाहिए वैल्यूस चाहिए आई डोंट वांट डेटा फ्रेम्स कॉमा आप ये बोल सकते हो y अंडरs
टेस्ट डॉट वैल्यूज़ लेकिन एक सेकंड जब आप ट्रेन टेस्ट स्प्लिट करते हो तो ऑटोमेटिक वो उसी में आ जाता है ना लेट्स सी ठीक है
वैल्यूज़ देनी पड़ती है बस ये मान के चलो ठीक है और फिर उसके बाद अपन को क्या करना करना है। वैलिडेशन दे डाटा दे दिया।
ट्रेनिंग डाटा दे दिया। आफ्टर दैट यू हैव टू डू ईपी ओ सी एच एस इॉक्स। नाउ इफ यू डोंट नो व्हाट इज़ एपॉक्स? अरे रन टाइम
डिस्कनेक्टेड क्यों हो गया? आई एम नॉट श्योर व्हाट हैपेंड। ठीक है। लेट्स सी इज इट वर्किंग? कनेक्टिंग हो रहा
है। आ इंटरनेट वापस से ऑन कर देता हूं। यह हमारे यहां पे बहुत दिक्कत हो रही है इंटरनेट की। बार-बार चला जाता है। लेकिन
अब वो हो जाएगा कनेक्ट। ठीक है? सो नाउ लेट्स टॉक अबाउट दी इपॉक्स। इपॉक्स मतलब वही वन फॉरवर्ड एंड वन बैकवर्ड प्रोपगेशन।
यू नो दैट थिंग। ठीक है? तो इपॉक्स मैं मान के चलता हूं 100 दैट मींस आई नीड 100 टाइम्स आप आगे जाओ फॉरवर्ड एंड 100 टाइम्स
आप बैकवर्ड प्रोपगेशन करो और इतनी बार में अब आप ट्रेन करो। ठीक है? अब इसके बाद एक और चीज देते हैं। एंड दैट इज़ बैच साइज।
ठीक है? बैच अंडरस्कोर साइज। और बैच साइज मैं दे रहा हूं फोर का। नाउ लेट मी टेल यू व्हाट बैच साइज मींस।
बहुत ध्यान से देखना। लेट्स से यू हैव 10,000 डेटा पॉइंट्स। कितने 1000 डेटा पॉइंट्स हैं? यू हैव
10,000 डेटा पॉइंट्स। अब आप एक साथ अगर सारे ही डेटा को दोगे तो होगा क्या? हर एक रो जो होगी 1 2 3 4 5 6 7 8 ऐसे 10,000
रोज़ हैं। ठीक है? उसमें से किसी एक रो को उठाएगा। वो अपने को भेजेगा मॉडल को। वो पूरा फॉरवर्ड करेगा और फिर वो पूरा
बैकवर्ड करेगा और आपके सारे वेट्स को एडजस्ट कर देगा सिर्फ एक लाइन के बेसिस पे। लेकिन मैं यह नहीं चाहता। तो मैंने
बोला कि यार एक काम करो मैं बैच साइज रख रहा हूं 400 का लेट्स से। ठीक है? तो अब वो एक बार में एक रो की जगह कितने उठाएगा?
400 रोज़ उठाएगा। उन सबको फॉरवर्ड प्रोपगेशन में भेजेगा और फिर उन सबको बैकवर्ड प्रोपगेशन में भेजेगा।
व्हाट दिस विल डू इज़ कि आपका डेटा जो है वो बहुत ज्यादा स्कैटर्ड हो जाएगा या फिर बहुत ज्यादा हैवीली यूज़ होगा। क्योंकि
10,000 बार फॉरवर्ड एंड बैकवर्ड प्रोपगेशन होगा एक बार एपॉक के लिए और ऐसे ही 100 एपॉक्स के लिए 10,000 इन 100 बार हो
जाएगा। बहुत ज्यादा हो जाएगा। सो दैट्स व्हाई आप एक बैच साइज रखते हो जिससे आपका कंप्यूटर पे लोड थोड़ा सा कम पड़े। ठीक
है? अब मैं यहां पे फोर इसलिए लिख रहा हूं क्योंकि मेरे पास टोटल डेटा पॉइंट ही कितने हैं? माय टोटल डेटा पॉइंट्स आर 15
तो उसमें फोर ही मैं बैच साइज रख सकता हूं। ठीक है? फिर उसके बाद मैं कॉमा लगा के एक और चीज लिखूंगा। एंड दैट इज़ वर्बोस।
वर्बोस मतलब आई विल टेल यू व्हाट वर्बोस इज़। वी ई आर बी ओ वर्बोसिटी। अरे यार वर्बोस वी ई आर बी ओ एस ई वर्बोस।
ओके वर्बोस का मतलब यह रहता है कि जब मैं ट्रेनिंग कर रहा हूं तो क्या आप देखना चाहते हो मेरी ट्रेनिंग में हो क्या रहा
है दैट्स वर्बोस तो अभी मैं एक काम करता हूं लेट्स डू वन थिंग मैं वर्बोसिटी ज़ीरो रखूंगा ठीक है अभी आपको समझ नहीं आएगा
क्या होती है वर्बोसिटी कैसे काम करती है लेकिन जस्ट मैं ज़ीरो रख के देना चाह रहा हूं और मैं इसको रन करता हूं एज़ यू विल सी
यू मस्ट कॉल कंपाइल बिफोर यूजिंग द मॉडल अच्छा मैंने सारे वापस से रन करने पड़ेंगे दिक्कत हो गई होगी ठीक है देयर यू गो नाउ
यू आर सीइंग इट इज़ वेरी इट इज़ एग्जीक्यूटिंग इट इज़ टेकिंग सम टाइम ज़ीरो सेकंड्स ्स दिखा रहा है यहां पे लेकिन
आफ्टर दैट इट हैज़ एग्जीक्यूटेड डन तो अब आपका मॉडल ट्रेन हो चुका है लेकिन अब अगर मैं वर्बोसिटी या फिर वन रख दूंगा तो अब
आप देखना क्या होगा जो 100 एपॉक्स होंगे उन 100 एपॉक्स में बताएगा कि क्या प्रोसेस हो रहा है सो लेट्स रन दिस अगेन सो दिस
टाइम अब आप देख रहे हो आपके सारे एपॉक्स दिख रहे हैं एपॉक्स वन एपॉक्स टू एपॉक्स 50 एपॉक्स ऐसे करके 100 एपॉक्स तक जाएगा
और हर बार बहुत जल्दी-जल्दी होगा ऑब्वियसली कुछ सेकंड्स नहीं लगेंगे मिलीसेकंड्स क्योंकि डेटा बहुत ही छोटा
है। ठीक है? एंड एज यू कैन सी अब आपकी एक्यूरेसी जब फर्स्ट एपॉक हुआ था तो कितनी आई थी? इफ यू सी द एक्यूरेसी फॉर द फर्स्ट
एपॉक वाज़ ऑब्वियसली 75% योर लॉस वाज़ 54, योर वैलिडेशन एक्यूरेसी इज़ 75 एंड योर वैलिडेशन लॉस वाज़ 49। अब अगर आपको ये
चारों टर्म्स नहीं पता जब आप ट्रेन करते हो क्या होता है? तो उसके लिए मैंने लिख के रखा है आपके लिए। ये देखो। सो इफ यू
डोंट नो व्हाट आर दीज़ फोर टर्म्स? तो सबसे पहला होता है लॉस। दिस इज़ अ ट्रेनिंग लॉस। या फिर आप बोल सकते हो इट टेल्स यू हाउ
रोंग योर मॉडल्स प्रेडिक्ट आर ऑन प्रेडिक्शंस आर ऑन द ट्रेनिंग सेट। अकॉर्डिंग टू योर लॉस फंक्शन यू चूज़ इन
योर केस बाइनरी क्रॉस एंट्रॉपी। ठीक है? लोअर इज़ बेटर। जितना लोअर होगा ट्रेनिंग लॉस उतना अच्छा होगा। ड्यूरिंग ट्रेनिंग द
मोड मॉडल ट्राइज़ टू रिड्यूस दिस नंबर बाय अपडेटिंग वेट्स विद ग्रेडियंट डिसेंट। मतलब ऑब्वियसली सबसे पहली चीज़ अपन ने क्या
सीखी है? जो भी मेरा लॉस हो रहा है उसको कम करते जाओ। तो जो आपको यहां पे ये दिख रही है पहली चीज लॉस ये अपन को कम करना है
और आप देखोगे 54 54 51 58 56 54 नाउ लेट मी टेल यू वन थिंग अगर आप कोई बड़ा डेटा लेते हैं तो ये लॉस हमेशा कम होता ही
दिखता है लेकिन अब अपने पास स्मॉल डेटा है तो स्मॉल डेटा पे वैसे भी न्यूरल नेटवर्क्स वर्क नहीं करता आई जस्ट वांटेड
टू शोकेस कि कैसे ये सब वर्क करता है। ठीक है? फिर इसके बाद अगर हम बात करते हैं एक्यूरेसी की। दिस इज़ द ट्रेनिंग
एक्यूरेसी। ऑब्वियसली इट टेल्स यू हाउ फ्रैक्शन ऑफ ट्रेनिंग सैंपल्स ऑफ़ मॉडल इज़ करेक्टली प्रेडिक्टिंग। एग्जांपल इफ यू
हैव 100 सैंपल्स एंड द मॉडल गेट्स 80 करेक्ट। एक्यूरेसी इज़ इक्वल्स टू 80% सिंपल सी बात है। ठीक है? अब लेट मी टेल
यू वन थिंग। ये एक्यूरेसी एंड लॉसेस पे मत जाना। आप बोलोगे भ ये क्या है? इससे अच्छा तो मशीन लर्निंग काम करेगा। ऑब्वियसली
स्मॉल डेटा पे मशीन लर्निंग अच्छा काम कर सकता है। बट जैसे ही आपके पास 10,000 रोज़ होंगी तब आप देखोगे स्टार्टिंग में
एक्यूरेसी 20 होगी। फिर 25 26 8 30 40 50 60 70 80 90 तक पहुंच जाएगी आपकी अग्रेसिटी। और ऐसी जो लॉस है लॉस चलता जा
रहा है 80 फिर वो कम होता जाएगा और कम होता जाएगा लॉस। ठीक है? फिर बात करते हैं वैलिडेशन एंड वैलिडेशन लॉस। अब आपको लग
रहा होगा दीज़ थिंग्स आर दीेंट वंस राइट? बट ये ज्यादाेंट होता है। अब समझाता हूं क्या होता है। लेट्स टॉक अबाउट वैलिडेशन
लॉस। दिस इज़ द वैलिडेशन लॉस। या फिर आप बोल सकते हो आफ्टर जनरलाइजिंग वेल और जस्ट मेमोराइजिंग सेट द स्प्लिट यू गिव विद
वैलिडेशन डेटा एंड कैलकुलेट्स द लॉस ऑन दैट अनसीन डेटा। या फिर आप यह बोल सकते हो जो आपका अनसीन डेटा है या फिर ये जो आपने
टेस्ट वाली चीजें दी है इन सब पे वो कैलकुलेट करता है और फिर वो लॉस प्रोवाइड करता है। आई होप ये चीज समझ आ रही है। ठीक
है? दिस टेल्स यू वेदर योर मॉडल इज़ जनरलाइज्ड वेल और जस्ट मेमोराइजिंग दी ट्रेनिंग डेटा। कहीं ऐसा तो नहीं कि भैया
बस ट्रेनिंग डेटा को मेमोराइज किए जा रहा है और वो कर ही नहीं पा रहा किसी चीज को प्रेडिक्ट बाहर वाली चीजों को। और
वैलिडेशन एक्यूरेसी क्या है? दिस इज़ द वैलिडेशन एक्यूरेसी इज़ द परसेंटेज ऑफ़ करेक्ट प्रेडिकशंस ऑफ़ द वैलिडेशन सेट।
इट्स इफ एक्यूरेसी इज़ हाई बट वैलिडेशन एक्यूरेसी इज़ लो। योर मॉडल इज प्रोबेब्ली ओवर फिटिंग। या फिर आप ये बोल सकते हो कि
ट्रेनिंग डेटा पे तो बहुत अच्छा काम कर रहा है लेकिन टेस्टिंग डेटा पे बिल्कुल बेकार काम कर रहा है। तो ये दोनों चीजें
काफी इंपॉर्टेंट होती हैं। ठीक है? अब अगर भैया कहां पे अटेंशन पे करना है मैं ये बोलूं तो लॉ लॉस एंड एक्यूरेसी हाउ वेल
मॉडल इज़ डूइंग ऑन ट्रेनिंग डेटा। वैलिडेशन एंड वैलिडेशन लॉस हाउ वेल योर मॉडल इज़ डूइंग ऑन न्यू अनसीन डेटा? ऑलवेज पे मोर
अटेंशन टू वैलिडेशन मैट्रिक्स बिकॉज़ दैट शोज़ हाउ द मॉडल विल बिहेव इन द रियल वर्ल्ड। तो आप ये बोल सकते हो कि भैया
आपको इन पे थोड़ा ज्यादा ध्यान देना है। अब यहां पे ये हमेशा सेम इसलिए आ रही हैं उल्टी-पुल्टी क्योंकि आपके पास कितने डेटा
है? सिर्फ 15 है। 15 में से अगर आप 25% निकाल भी दोगे सिर्फ कितना ही बचेगा वो। वो बहुत ही कम बचेगा। आई होप ये चीज़ समझ आ
रही है। ठीक है? सो दैट्स इट। दिस इज़ हाउ यू एक्चुअली क्रिएट अ वेरी वेरी वेरी सिंपल मॉडल। और इस तरीके से आप क्या करते
हो? ऑप्टिमाइज़र्स का यूज करते हो, एक्टिवेशन फंक्शनंस का यूज करते हो एंड लॉस फंक्शनंस का यूज करते हो। लेकिन अब
अपने को समझना पड़ेगा कि व्हाट आर दीज़ लॉस फंक्शनंस एंड व्हाट आर दीज़ ऑप्टिमाइज़र्स कितने अलग-अलग तरीके के लगा सकते हैं। एंड
आफ्टर अंडरस्टैंडिंग ऑल दीज़ ऑप्टिमाइज़र्स एंड लॉस फंक्शन वी विल क्रिएट अ बिग बिग बिग प्रोजेक्ट। और साथ में अगर हुआ तो
सीएनएन भी इसी वीडियो में अपन कंप्लीट कर लेंगे। लेट्स सी। सो नाउ यू गॉट टू नो कि किस तरीके से आपका पूरा एक मॉडल बनता है
या फिर आप बोल सकते हो एक बेस मॉडल कैसे तैयार किया जाता है इॉक्स क्या होता है आपको यह भी पता चल गया होगा एंड यू गॉट टू
नो अबाउट दी एक्टिवेशन फंक्शन यस भैया मुझे एक्टिवेशन फंक्शन समझ आ गए कि मैं एक्टिवेशन फंक्शन कहां पे कौन सा लगाता
हूं हिडन लेयर्स में क्या लगता है इनपुट लेयर्स में तो लगता ही नहीं है आउटपुट लेयर्स में कौन से एक्टिवेशन फंक्शनंस
लगते हैं लेकिन आफ्टर नोइंग दिस देयर आर टू मोर थिंग एंड दैट इज़ ऑप्टिमाइज़र्स एंड लॉस ये भी अपने अलग-अलग होते हैं भैया
जरूरी है क्या सिर्फ आपके पास एसजीडी है या फिर आपके पास बाइनरी क्रॉस एंट्रॉपी है। देयर आर मोर लॉस फंक्शन, देयर आर मोर
ऑप्टिमाइजर्स। और अगर आप एक ढंग का मॉडल बनाना चाह रहे हो तो ढंग का मॉडल कैसे बनता है? आप ये जो एक्टिवेशन फंक्शनंस
हैं, ऑप्टिमाइज़र्स एंड लॉस है, इन तीनों का अच्छे तरीके से अगर आपने परफेक्ट कॉम्बिनेशन में यूज़ किया है, तब कहीं जाके
आपका अच्छा बन सकता है मॉडल। सो भैया फॉर दैट थिंग क्या करना चाहिए हमारे को? अब मैं समझाऊंगा सबसे पहले तो एक बहुत
इंपॉर्टेंट चीज जो लोग नहीं समझ पाते और जो लोगों को लगता है कि भैया ये बहुत डिफरेंट है। चलो लेट मी शो यू वन थिंग।
ठीक है? 2000 2000 की बात कर रहा हूं। ठीक है? 2000 और
2010 की बात कर रहा हूं। ठीक है? दिस इज़ जस्ट अ मैसेज टू ऑल ऑफ दोज़ गाइस जिन जिनके अंदर एक कंफ्यूजन रहता है कि भैया क्या
डीप लर्निंग हमारे को किस तरीके से पढ़ना है। ठीक है? सो डीप लर्निंग इज़ समथिंग जो रिसर्च बेस्ड नॉलेज आई है। रिसर्च बेस्ड
नॉलेज मतलब ये होती है कि समवन ट्राइड टू यूज़ मशीन लर्निंग एल्गोरिथम एंड दैट इज़ लॉजिस्टिक रिग्रेशन। और उस लॉजिस्टिक
रिग्रेशन को उन्होंने यूज़ कर दिया न्यूरल नेटवर्क्स में। ठीक है? एंड देन दे डिस्कवर्ड कि यार न्यूरल पैटर्न के यूज़
करके भी अपन चीजें बना सकते हैं। राइट? फिर उसके बाद उन्होंने और रिसर्च करी तो कुछ और रिसर्च पेपर्स निकले। उन्होंने
बोला कि यार भैया यहां पे ये जो आप लोग यूज़ कर रहे हो लीनियर एक्टिवेशन फंक्शन इसकी जगह आप सिग्मॉयड यूज़ करो। फिर और
रिसर्च हुई तो और अलग-अलग चीजें आई। तो ये रिसर्च बेस्ड चीज़ है और ये आज भी बढ़ती जा रही है। सो डीप लर्निंग इज़ अ नेवर एंडिंग
प्रोसेस। इवन आज जो आप ट्रांसफॉर्मर्स देख रहे हो जो चैट जीपीटी बन रहा है या फिर जो जेमिनाई बन रहा है यह सब भी डीप लर्निंग
से ही बने हैं। मतलब आप डीप लर्निंग का ही यूज करके आप चैट बॉट्स बनाते हो। डीप लर्निंग का यूज करके आप आज की तारीख में
इमेज क्लासिफिकेशन वाली चीजें बनाते हो। इवन जो सोरा है ना जो इमेज जनरेट कर रही है। दैट टू थिंग इज मेड अप ऑफ व्हाट? दैट
टू इज मेड अप ऑफ डीप लर्निंग। तो मतलब डीप लर्निंग इज अ फील्ड जो नेवर एंडिंग है वो बढ़ती जा रही है। लेकिन यहां पर मैं आपको
बस बेस नॉलेज प्रोवाइड करने आया हूं अबाउट डीप लर्निंग कि कौन से कौन से आपके एक्टिवेशन फंक्शनंस होते हैं, क्या होते
हैं, लॉसेस क्या होते हैं? और उसके बाद आई विल क्रिएट अ प्रोजेक्ट दैट विल डेफिनेटली हेल्प यू। आई होप आपको समझ आ रहा है। ठीक
है? सो डोंट स्टक लाइक दिस कि भैया जैसे हमने Python सीखी थी, हमने सारी चीजें एक बार में सीख ली थी। हमें फंक्शनंस पता लग
गए। हमारे को पता चल गया लूप्स कैसे चलते हैं। हमें लिस्ट टपल डिक्शनरी सेट हो गए। हमने क्वेश्चन कर लिए। हो गई पथन कंप्लीट।
यस। Python कैन बी कंप्लीटेड। बट डीप लर्निंग कैन नॉट बी कंप्लीटेड सेम फोर्स विद मशीन लर्निंग वहां पे भी रिसर्च बढ़ती
जा रही है। देयर आर मेनी फंक्शनंस देयर आर मेनी हाइपर पैरामीटर्स जो अपडेट्स होते हैं। ठीक है? सो यू नीड टू गेट द बेस
नॉलेज एंड देन क्रिएट सम गुड प्रोजेक्ट्स। ट्रस्ट मी गाइस प्रोजेक्ट्स आर द ओनली थिंग दैट कैन दैट कैन बी यूज्ड टू लर्न
डीप लर्निंग। ठीक है? आई एम हियर टू टेल यू हाउ टू मेक अ प्रोजेक्ट? हाउ टू स्टार्ट अ प्रोजेक्ट? हाउ टू बेसिकली यूज़
एनीथिंग दैट इज़ रिक्वायर्ड इनसाइड द प्रोजेक्ट? लाइक व्हाट आर द एक्टिवेशन फंक्शंस क्या होते हैं? लॉस क्या होता है?
ऑप्टिमाइजर्स एंड एवरीथिंग। आई होप आपको ये समझ आ रहा है। ठीक है? क्योंकि मेरे को बहुत ऐसा होता है। मैं ऑफलाइन स्टूडेंट्स
को पढ़ाता हूं एंड दे आर लाइक कि भैया हमारे को डीप लर्निंग समझ नहीं आ रही। ये डीप लर्निंग क्या है? ये तो हम पढ़ नहीं
पा रहे। हमने पाइthon तो कंप्लीट कर ली थी। मशीन लर्निंग डीप लर्निंग क्यों नहीं हो रही? ये एक रिसर्च बेस्ड चीज है। ये
बढ़ती जाती है। ये कभी खत्म नहीं हो सकती। सो यू नीड टू गेट द नॉलेज। जैसे मैंने आपके लिए सीरीज बनाई थी अबाउट मशीन
लर्निंग। ऐसी मैं डीप लर्निंग की बना रहा हूं। एंड ट्रस्ट मी इसको फॉलो करोगे तो यू विल गेट द नॉलेज। चलो, अब बाद में बात
करेंगे इन सब चीजों के बारे में। लेकिन फर्स्ट ऑफ ऑल लेट्स टॉक अबाउट व्हाट दैट इज दी लॉस फंक्शनंस। ठीक है? नाउ लेट मी
जस्ट ड्रा स्ट्रेट लाइन फ्रॉम राइट हियर। ठीक है? अब अपन बात कर रहे हैं लॉस फंक्शंस की। लॉस
फंक्शंस। ठीक है? नाउ बिफोर टॉकिंग अबाउट लॉस फंक्शनंस, आई जस्ट वांट टू टेल यू देयर आर टू टाइप्स ऑफ़ प्रॉब्लम्स व्हेनएवर
वी आर डीलिंग विथ मशीन लर्निंग और डीप लर्निंग एंड दैट इज़ रिग्रेशन एंड क्लासिफिकेशन। ये चीज़ अपन स्टार्टिंग से
देखते आ रहे हैं। ठीक है? तो इफ आई टॉक अबाउट रिग्रेशन रिग्रेशन की अगर मैं बात करता हूं तो
रिग्रेशन का यूज़ करते समय यू हैव डिफरेंट लॉस फंक्शनंस जो आपको यूज़ करने चाहिए। और अगर मैं क्लासिफिकेशन की बात करता हूं
तो क्लासिफिकेशन में आपके पास मल्टीपल अलग टाइप के लॉस फंक्शन होते हैं। वैसे यूजुअली दो लॉस फंक्शन होते हैं। इफ यू सॉ
द सी द रिसर्च पेपर तो आपको तीन-चार और मिल जाएंगे। बट यूजुअली मैं दो जो मेन यूज़ करते हैं वो बताने वाला हूं। ठीक है? सो
इफ आई टॉक अबाउट रिग्रेशन देयर आर थ्री टू फोर टाइप ऑफ लॉस फंक्शनंस दैट वी कैन यूज़। तो सबसे पहला तो है एमएसई। आई थिंक आपको
पता है ये क्या होता है? मीन स्क्वायर्ड एरर एस क्यू यू ए आर डी स्क्वाड एरर। और ये वाला जो है अपन हमेशा से यूज़ करते हैं।
इवन व्हेन वी लर्नड अबाउट लीनियर रिग्रेशन इन द फर्स्ट वीडियो ऑफ़ मशीन लर्निंग। आई गेस सेकंड वीडियो ऑफ़ मशीन लर्निंग। वहां
पे भी अपन ने यूज़ किया था। ठीक है? मीन स्क्वायर एरर के बाद एक और होता है एंड दैट इज एम एई एंड दैट इज मीन एब्सोल्यूट
एरर। एब्सोल्यूट एरर। ठीक है? अब किसी ना किसी जगह पे कहीं ना कहीं इन सब में प्रॉब्लम्स
हुई थी। इसलिए फिर एक और चीज निकली गई। एंड दैट इज़ ह्यूबर प्रॉब्लम। एच वाई एच यू बी ई आर होता है। आई गेस ह्यूबर लॉस। ठीक
है? ह्यूबर लॉस भी था। और इसके बाद एक और बस ऐसी स्पेशली मेरे को उसको यूज़ करने की जरूरत नहीं है। लेकिन स्टिल आई जस्ट वांट
टू टेल यू अबाउट इट। एमएसएलई एंड दैट इज़ मीन स्क्वायर लॉगरिथमिक एरर। ठीक है? तो अब समझते हैं सबसे पहले तो एमएसई के बारे
में। ठीक है? एंड बाय द वे क्लासिफिकेशन में देयर आर टू टाइप्स ऑफ लॉज़। एक होता है बाइनरी क्रॉस एंट्रॉपी।
बाइनरी क्रॉस एंट्रॉपी। और एक होता है भैया आपके पास बाइनरी क्रॉस
एंट्रॉपी की जगह सिर्फ क्रॉस एंट्रॉपी लिख सकते हो या फिर या फिर आप सीधे लिख सकते हो क्लासिफिकेशन
क्रॉस क्रॉस एंट्रॉपी। ठीक है? क्लासिफिकेशन क्रॉस
एंट्रॉपी। आई एम नॉट श्योर मेरी हैंडराइटिंग कैसी आ रही है। लेकिन आप लोग खुद से भी नोट करते
जाना। दैट्स द ओनली थिंग दैट आई कैन टेल। ठीक है? सो दीज़ आर ऑल द रिग्रेशन एंड क्लासिफिकेशन लॉस फंक्शनंस जो मैं आपको
बताने वाला हूं। ठीक है? तो सबसे पहला तो भैया क्या है? मीन स्क्वायर्ड एरर। तो अब मैं यहां पे सबसे पहले तो सिंपल मीन
स्क्वायर्ड एरर के बारे में बताता हूं। आई थिंक यू नो व्हाट इज मीन स्क्वायर्ड एरर। सो मीन स्क्वायर एरर क्या होता है कि आपके
पास जो भी लॉस आ रहा है उसको आप माइनस करते हो आपके ओरिजिनल डेटा पॉइंट से। या फिर लॉस की जगह आप ये बोल सकते हो जो भी
आपका आउटपुट आ रहा है एंड दैट इज़ व्हाई हैड। उसको आप माइनस करते हो किससे? आपके मेन व वाले पॉइंट से। या फिर आप बोल सकते
हो आपके ओरिजिनल पॉइंट से और जो भी लॉस आ रहा है उसको आप स्क्वायर कर देते हो एंड दैट्स व्हाट मीन स्क्वायर एरर इज़ और उसको
डिवाइड कर देते हो 1/2 से। सो द फार्मूला इज़ वेरी सिंपल अबाउट मीन स्क्वायर एरर 1/2 इंटू या फिर आप ये बोल सकते हो 1/2
y - yट एंड y - yट की जगह y हैट - y लिखेंगे। y हैट - y का होल स्क्वायर। सो दिस इज़ अ बेसिक फार्मूला ऑफ़ व्हाट? मीन
स्क्वायर एरर। अब हुआ क्या है? जब अपन मीन स्क्वायर एरर को यूज़ कर रहे थे सब बढ़िया था। अब एक बहुत ज्यादा सिंपल सी कंफ्यूजन
होता है कि भैया जब हमने मशीन लर्निंग पढ़ा था तो हमने एक चीज़ पढ़ी थी दैट वाज़ कॉस्ट फंक्शन। और कॉस्ट फंक्शन को ही हम यूज़
करते थे जब भी मेरे को एरर्स फाइंड करने होते थे। बिल्कुल सही आप बोल रहे हो। तो अब मैं समझाता हूं व्हाट एक्चुअली इज़
कॉस्ट फंक्शन एंड व्हाट एक्चुअली इज़ मीन स्क्वायर एरर। दोनों सेम ही चीज़ है। लेकिन बस एक बैच साइज़ का फर्क आता है। सो इफ यू
रिमेंबर दिस थिंग अगर आप बहुत ध्यान से देखोगे। इफ यू रिमेंबर दिस थिंग एपॉक्स 100 एंड बैच साइज़ फोर। तो ये जो बैच साइज
फोर है ना ये काफी ज्यादाेंट चीज होती है। क्योंकि जब आप बैच साइज वन से ज्यादा इनक्रीस कर देते हो। इफ द बैच साइज इज अबव
वन यू आर नॉट गोइंग टू यूज़ मीन स्क्वाड एरर यू आर गोइंग टू यूज़ पता है क्या? यू आर गोइंग टू यूज़ कॉस्ट फंक्शन। लेट मी टेल
यू व्हाट कॉस्ट फंक्शन इज़। देखो यू हैव थ्री इनपुट लेयर्स। वन टू एंड थ्री। ठीक है? यू हैव टू हिडन लेयर्स। ठीक है? एंड
यू हैव वन सिंगल आउटपुट लेयर। नाउ दिस आउटपुट विल प्रोवाइड व्हाई हैट। आई होप ये चीज़ समझ आ रही है। ठीक है? अब मान लो ये
सारे ही लेयर्स ऑब्वियसली एक दूसरे से सारे न्यूरॉन नेटवर्क्स एक दूसरे से कनेक्टेड हैं। ठीक है भैया? बहुत सही। अब
आपने क्या किया? यू प्रोवाइडेड x1, यू प्रोवाइडेड x2 एंड यू प्रोवाइडेड x3। अब किस तरीके से आप x1, x2, x3 को प्रोवाइड
करते हो? इफ यू हैव x1, x2, x3 एंड लेट्स से y. ओके? तो यहां पे 1 2 3 4 1 2 3 4 ऐसे करके आपके पास मल्टीपल रोज़ होंगी। आई
होप ये चीज़ समझ आ रही है। ठीक है? एंड लेट्स से आपके पास 100 रिकॉर्ड्स या फिर 100 डेटा पॉइंट्स हैं या फिर 100 रोज़ हैं।
आई होप ये चीज़ समझ आ रही है। 1 2 3 4 ठीक है? एंड लेट्स से आपने एक चीज लिखी दैट इज़ ईपॉक। और इपॉक का मतलब होता है वन फॉरवर्ड
एंड वन बैकवर्ड प्रोपोगेशन। इफ यू राइट द इपॉक वैल्यू तो इपॉक कैसी आती है भैया? ईपॉक लिख दिया मैंने 100। तो मैंने बोला
कि आई वांट यू टू गिव 100 ईपॉक्स। दैट मींस आप 100 फॉरवर्ड जाओगे और 100 बैकवर्ड जाओगे। तो अब कैसे काम करता है ये? आप
उठाओगे अपनी सबसे पहली रो। क्या उठाओगे? सबसे पहली रो उठाओगे और उसको भेज दोगे इसके अंदर। चलो ठीक है भैया। आपने इसके
अंदर भेज दिया। एंड वंस यू डू दिस जैसे ही आपने इसके अंदर भेजा x1 की वैल्यू गई, x2 की वैल्यू गई एंड x3 की वैल्यू गई। ठीक है
भैया? गई। और जैसे ही इन तीनों की वैल्यूज़ गई इसके बाद ये आगे गए। अपने पास कुछ वेट्स थे जो अपन ने रैंडमली असाइन करे थे।
एंड आफ्टर रैंडमली असाइनिंग दोज़ वेट आपका क्या आया? आउटपुट आया। एंड दैट इट इज़ y हैट। अब आपका एक ओरिजिनल आउटपुट भी था।
दैट इज़ y. अब आप क्या करोगे? y हैट - y और इसको क्या कर दोगे? होल स्क्वायर और 1/2 से डिवाइड कर लोगे। दैट विल कंप्यूट योर
मीन स्क्वायर एरर। अब यहां से क्या आ जाएगा आपके पास? मीन स्क्वायर्ड एरर आ जाएगा। अब आप इस मीन स्क्वायर्ड एरर का
क्या करोगे? यू विल यूज़ दैट मीन स्क्वायर एरर। और उसमें आप कोई सा ऑप्टिमाइजर लगाओगे जैसे सिग्माइड एक्टिवेशन फंक्शन हो
गया या फिर कोई सा और नॉट सिग्माइड। अ यू हैव ऑप्टिमाइजर्स लाइक ग्रेडियंट डिसेंट ऑप्टिमाइजर लगाओगे और फिर आप एक फॉरवर्ड
के बाद एक बैकवर्ड जाओगे और आपके वेट्स को अपडेट करोगे जो मल्टीपल वेट्स से सो दिस इज व्हाट वी डिड और ये हो रहा है कितने
बार में एक सिंगल रो के लिए। सो दैट मींस इफ यू हैव 100 रोज़ सोचना इफ यू हैव 100 रोज़ तो आप फर्स्ट रो के लिए करोगे फिर
सेकंड रो के लिए आपके वेट्स अब डिफरेंट हो जाएंगे। क्यों डिफरेंट हो जाएंगे? क्योंकि आप एक बार आगे गए, एक बार पीछे गए और जब
आप पीछे आए लॉस कैलकुलेट करके तो आपके वेट्स अपडेट हो गए। आई होप ये चीज समझ आ गई। ठीक है? सो दिस इज़ हाउ योर मीन
स्क्वायर एरर वर्क्स। लेकिन यू टोल्ड मी कि भैया आपके ईपॉक्स 100 है। तो क्या मैं एक फॉरवर्ड और एक बैकवर्ड करता हूं तो
आपका एक इपॉक कम हो जाएगा। 99 हो जाएगा। और उसके हिसाब से तो भैया अगर मेरे पास 100 रोज़ हैं तो 100 रोज़ के लिए एक-एक करके
100 एपॉक्स मतलब हर एक रो को मैं एक बार भेजूंगा, एक बार पीछे आऊंगा। लेकिन, ऐसा नहीं होता। इबॉक मतलब यह होता है कि आप
पूरे डेटा को फीड करोगे तब कहीं जाके एक इबॉक होगा। मतलब अपना फॉरवर्ड एंड बैकवर्ड प्रोपगेशन टोटल पता है कितनी बार होगा? यू
हैव दीज़ 100 रोज़ 100 बार जाएगा आगे और पीछे। एंड वंस यू हैव कंप्लीटेड ऑल दीज़ 100 रोज़। एक बार आगे, एक बार पीछे, एक बार
आगे, एक बार पीछे। 100 बार जब आप वेट्स को अपडेट कर लोगे, उसके बाद आपका एक इपॉक कंप्लीट होगा। आई होप आपको समझ आ रहा
होगा। ठीक है? सो दैट मींस फॉर 100 रोज़ एंड 100 इबॉक्स यू हैव टू अपडेट योर वेट्स या फिर आप बोल सकते हो आगे जाना और पीछे
जाना यू हैव टू यूज़ योर ऑप्टिमाइज़र्स एंड लॉस फंक्शन फॉर हाउ मेनी टाइम्स 10 थाउजेंड टाइम्स। ठीक है? एंड ट्रस्ट मी यू
डोंट हैव अ डेटा विद 100 रोज़। आपके पास होते हैं और ज्यादा रोज़। यू हैव 10,000 प्लस रोज़। यू हैव 20,000 रोज़। इवन यू हैव
1 लाख रोज़ इन योर डेटा। तो, यह तो बहुत ज्यादा बार हो जाएगा। सो, दैट्स व्हाई वी यूज़ व्हाट? वी यूज़ बैच साइज़। क्या यूज
करते हैं अपन? बैच साइज यूज़ करते हैं। सो, लेट मी टेल यू व्हाट एक्चुअली बैच साइज इज़। बैच साइज यह बोलता है कि आपके पास अगर
100 रोज़ हैं और आपने अगर बैच साइज लिख के रखा है फोर का या फिर आपने बैच साइज लिख के रखा है 10 का। सो मैं 10 की 10 रोज़ एक
साथ आगे भेज दूंगा। या फिर मैं बोलूंगा एक-एक करके सिर्फ फॉरवर्ड प्रोपगेशन में 10 रोज़ जा रही हैं। और सबका लॉस कैलकुलेट
हो रहा है। मतलब ये भी चली गई। ये भी चली गई। ये भी चली गई। सारी रोज़ एक साथ गई। सबके लॉस कैलकुलेट हुए। और सबके लॉस
कैलकुलेट करने के बाद अब मैं लगाऊंगा मीन स्क्वायर एरर। सो भैया अब मीन स्क्वायर एरर में तो 1/2
yट - y का होल स्क्वायर दिस वाज़ द फार्मूला राइट? एग्जैक्टली दिस वाज़ द फार्मूला। लेकिन अब अगर मैं सिर्फ एक का
निकालना चाहूं तो इसका निकाल सकता हूं। लेकिन अब तो मैंने एक साथ 10 भेज दी। तो सबका कैसे निकालूंगा? बहुत ईजी है। समेशन
ऑफ n या फिर आप बोल सकते हो जो आपका बैच साइज है और सॉरी n ऊपर लिखा जाएगा n और यहां पर लिख देंगे i = 1 दैट मींस इफ यू
आर सेंडिंग 10 तो 10 के 10 के साथ में सारे लॉसेस का समेशन कर लो और फिर डिवाइड कर दो टू से। एंड दैट्स व्हाट कॉस्ट
फंक्शन इज़। दिस इज़ द फार्मूला ऑफ़ कॉस्ट फंक्शन। ठीक है? सो मेनी पीपल गेट कंफ्यूज्ड इन दिस कि भैया यार कॉस्ट
फंक्शन और मीन स्क्वायर एरर में क्या फर्क होता है? मुझे तो लगता था दोनों का सेम फार्मूला है। अब आपको समझ आ रहा होगा मीन
स्क्वायर एरर इज यूज्ड ऑन अ सिंगल रो एंड कॉस्ट फंक्शन इज़ यूज्ड ऑन मल्टीपल बैच साइज या फिर आप बोल सकते हो 10 रोज़ के
लिए। सो अब नाउ टेल टेल मी टेल मी वन थिंग। इफ यू आर यूजिंग 10 कितने? 10 बैच साइज यूज़ कर रहे हो। तो अगर 100 रोज़ हैं
तो एक बार में कितने जाएंगे? 10 / 100 मतलब 10 टाइम्स आप एक इपॉक कंप्लीट करोगे। सो इफ यू हैव 100 इपॉक्स दिस विल बी
रिड्यूस टू 1000। आई गेस आपको समझ आ रहा होगा। मतलब 1000 टाइम्स वेट अपडेट्स होंगे। और यहां पे कितनी बार हो रहे थे?
10,000 टाइम्स वेट अपडेट्स हो रहे थे। सो दैट्स द मेन डिफरेंस ऑफ़ बैच साइज़। इसलिए अपन बैच साइज का यूज़ करते हैं। सो दैट
मींस अगर मेरे पास एक डेटा था जिसके अंदर मेरे पास लेट्स से 16 रोज़ थी। टोटल 16 ही है ना? ज़ीरो से लेके 15। यस 16। सो इफ यू
हैव 16 रोज़ यू आर यूजिंग बैच साइज़ ऑफ़ फोर। दैट मींस आप एक बार में इन 16 में से कितनी भेज रहे हो? चार-चार एक साथ भेज
रहे। सो दीज़ आर द फोर रोज़ जो सबसे पहले जाएंगी। लेट्स से आई एम जस्ट टेकिंग एन एग्जांपल ऑफ़ दीज़ फोर रोज़। एंड बाय द वे इफ
दिस इज़ दिस हैज़ लेट्स से 16 रोज़ तो 16 रोज़ पूरे आएंगे भी नहीं क्योंकि अपन अगर ट्रेन टेस्ट स्प्लिट कर देंगे तो इट विल बी
स्प्लिटेड और कम हो जाएंगे। 12 एक रोज़ हो जाएंगे। ठीक है? सो दैट मींस यू आर सेंडिंग फोर रोज़ एट अ टाइम। यू आर सेंडिंग
सइल मॉइस्चर, टेंपरेचर सी एंड सनलाइट आवर्स एट अ सिंगल टाइम एंड यू आर कैलकुलेटिंग द लॉस ऑफ ऑल दीज़ फोर रो फोर
रोज़ एट अ सिंगल टाइम। एंड दिस इज हाउ योर एमएससी या फिर आप बोल सकते हो कॉस्ट फंक्शन वर्क्स। एंड ट्रस्ट मी दिस इज
वेरीेंट पॉइंट क्योंकि यहां पे बहुत सारे लोग कंफ्यूज्ड रहते हैं कि एक्चुअली में ये सब चीजें वर्क कैसे कर रही हैं। ठीक
है? सो आई गेस आपको पता चल गया होगा व्हाट इज मीन स्क्वायर एरर। लेकिन अब बात करते हैं कुछ प्रोस एंड क्स की। भैया क्या
हमेशा ये जो कॉस्ट फंक्शन या फिर मीन स्क्वायर एरर दोनों में से कुछ भी यूज़ करो सेम ही चीज है। इट जस्ट अ मैटर कि अपन बैच
साइज यूज़ कर रहे हैं कि नहीं कर रहे हैं। तो इन दोनों में मतलब कुछ तो ऐसा होगा प्रोज़ होंगे। कुछ तो कॉन्स होंगे। क्योंकि
भैया अगर आप अब यही इतना अच्छा होता तो ये एम ए ई ह्यूबर लॉस और ये सब क्यों आते? तो अब समझते हैं क्या फर्क आता है। सम ऑफ द
प्रोस आर द प्रोस आर वेरी कॉमन ईजी टू कैलकुलेट। मतलब प्रोस क्या है? यही एक प्रो है कि इट इज़ वेरी कॉमन। बहुत ज्यादा
कॉमन है। मतलब कई बार यूज़ होता है ये। ठीक है? एंड ईजी टू कैलकुलेट भी होता है। और अगर और भी करूं तो यह एक और चीज करता है।
दैट इज़ पीनलाइजिस। पीनलाइजेस द बिग एरर्स। बिग एरर्स। नाउ यू मस्ट बी थिंक कि भैया पीनलाइज़ द बिग एरर
का मतलब क्या होता है? चलो एक बहुत सिंपल सा एग्जांपल लेते हैं। मान लो आपका एक जगह पे लॉस आ रहा है कुछ। ठीक है? एंड दैट
लॉसेस यू आर डूइंग हाउस प्राइस प्रेडिक्शन। ठीक है? और हाउस प्राइस प्रेडिक्शन में आपका रियल हाउस का प्राइस
था $5,000। कितना था? $5,000 और गलती से आपके मॉडल ने प्रेडिक्ट कर दिया $1,000 नहीं नॉट लेट्स से 5000
था। एंड योर मॉडल प्रेडिक्टेड $1000 यस सही है। ठीक है? सो यू हैव $5000 नॉट $100 के। $5000
लेट मी डू वन थिंग। लेट्स से आपके हाउस का साइज था $5 के। ठीक है? एंड प्राइस था और आपके मॉडल ने प्रेडिक्ट कर दिया $100 के।
ठीक है? सो ऑब्वियसली इट्स अ वेरी ह्यूज गैप। या फिर आप बोल सकते हो तो बहुत ही गलत चीज हो गई। ठीक है? सो यू आर अवे
$95,000। आप यह मान सकते हो इतना ज्यादा लॉस आया था। तो अब अगर इस लॉस को आपने यहां पे
स्क्वायर कर दिया क्या होगा? बहुत बड़ी वैल्यू आ जाएगी। जितनी बड़ी वैल्यू होगी उतनी ज्यादा बड़ा स्क्वायर्स आएंगे। मतलब
आप बोल सकते हो जितनी बड़ी वैल्यू उतनी ज्यादा स्क्वायर करने पे और बड़ी वैल्यू मिलेगी। फॉर एग्जांपल अगर आप टू का
स्क्वायर करते हो कितना आता है? फोर आता है। थ्री का करते हो नाइन आता है। फिर फोर का करते हो 16 आ जाता है। फाइव का करते हो
एक-एक इंक्रीस कर रहा हूं। फाइव का करते हो 25 सिक्स का 36 से का भैया 49 और मतलब आप समझ रहे हो वैल्यूज़ कितनी तेज बढ़ रही?
फोर था, नाइन था और तेज-तेज़ तेज़ बढ़ती जा रही है और ऐसे ही 10 तक पहुंचती हुई सीधे 100 वैल्यू पहुंच जाती है। सो स्क्वायर्स
क्या होते हैं? बड़े नंबर्स के ज्यादा आते हैं। तो इफ यू हैव $95,000 का एक लॉस फंक्शन तो वहां पे ये इतना
ज्यादा बिग एरर को पीनलाइज कर देगा। और पीनलाइज करने का मतलब यह होता है कि यू आर टेलिंग द वेट्स कि भाई ये तो बहुत ही गलत
प्रेडिक्शन हो रहा है। और अगर यह ज्यादा गलत प्रेडिक्शन हो रहा है तो भाई आप अपने वेट्स को अपडेट करो। आई होप ये चीज समझ आ
रही है। ठीक है? आई एम नॉट राइटिंग वेरी गुड। मैं मानता हूं भाई मेरी हैंडराइटिंग अभी अच्छी नहीं आ रही है इस चीज पे बट आप
लोग प्लीज यार थोड़ा सा कोपरेट करना एंड खुद से एक बार बनाने का ट्राई करना ठीक है साथ ही साथ बना रहा हूं मैं भी लिखता जा
रहा हूं आप भी लिखते जाओगे इट्स अ वेरी गुड थिंग एंड बाय द वे ये मैं जो फाइल दूंगा इसमें आपको सब चीजें मिल जाएंगी ऊपर
और ये सब चीजें भी लिखी हुई है सो इट्स वेरीेंट फाइल ठीक है तो मैं आपको सेंड कर दूंगा ओके सो ये अच्छी चीज है प्रोज़ है
लेकिन अब साथ में इसके क्स भी है नाउ लेट मी टेल यू व्हाट आर द क्स ठीक है ये जो है वो बड़ा बड़ा ही सेंसिटिव है आउटलाइयर्स को
लेके या फिर आप बोल सकते हो मीन स्क्वायर एरर इज़ वेरी सेंसिटिव टू आउटलाइयर्स। अब आउटलाइयर्स क्या होते हैं ना यार आई डोंट
नो आपको रिम इफ यू रिमेंबर ऑ नॉट व्हेन वी लर्न मशीन लर्निंग तो मशीन लर्निंग में मैंने एक चीज़ समझी थी अ एंड दैट इज़ लीनियर
रिग्रेशन में इफ यू हैव दिस X इफ यू हैव दिस Y एंड यू हैव दीज़ पॉइंट्स ओके एंड इफ यू वांट टू बिल्ड अ लीनियर मॉडल तो लीनियर
मॉडल बिल्कुल इसके लाइन के बीच से जाएगा। ठीक है? बट इफ यू हैव दीज़ पॉइंट्स अगेन दीज़ पॉइंट्स सेम पॉइंट्स सेम पॉइंट्स आर
देयर बट यू हैव टू टू थ्री आउटलाइयर्स हियर तो अब आपकी लीनियर लाइन थोड़ी सी भटक जाएगी या फिर आप वो ये बोल सकते हो बेचारे
दो या तीन आउटलाइयर्स की वजह से थोड़ी सी ऊपर हो जाएगी एंड दिस इज़ अ वेरी बिग प्रॉब्लम अबाउट मीन स्क्वाड एरर कि हां
भाई वो पीनलाइज तो करता है बिग एर्स को लेकिन साथ ही साथ कई बार ऐसा होता है कि कुछ बिग एरर्स होते हैं उनकी वजह से
दिक्कतें भी आ जाती है। ठीक है? सो यू कैन से कहीं ना कहीं कुछ चीजें गलत भी हैं, कुछ चीजें अच्छी भी हैं। तो यू कैन
ऑब्वियसली यूज़। अब इनको कहां यूज करना पड़ता है? यूजुअली भाई देखो जैसे बेसिक जो फंक्शनैलिटीज होती हैं जैसे हाउस प्राइस
प्रेडिक्शन हो गया, कार प्राइस प्रेडिक्शन हो गया। जहां पे आपको लगता है कि यार एरर्स बड़े आ रहे हैं तो दिक्कत है तो बड़े
एरर्स को पीनलाइज करना पड़ेगा। तो उस चीज के लिए आप मीन स्क्वायर एरर यूज़ कर सकते हो। अब क्या हुआ? लोगों ने बोला कि यार
लेकिन हमेशा मेरे पास बड़े एरर्स नहीं आते। मेरे पास अगर छोटे एरर्स आएंगे तो उस चीज के लिए क्या करूंगा? सो दे यूज्ड व्हाट?
दे यूज़्ड मीन एब्सोल्यूट एरर। मीन एब्सोल्यूट एरर। मीन एब्सोल्यूट एरर इतना ज्यादा सिंपल है कि जो आपका यह फ़ूला है
सेम टू सेम वही यूज़ करना है। बस इसमें अपन एक चीज़ करेंगे। एंड दैट इज़ 1 / n समेशन वही सब कुछ यूज़ करेंगे। ठीक है? समेशन में
n i = 1 और यहां पे बस कर देंगे y - yट। आपको समझ आ रहा होगा क्या हो रहा है। ये जो स्क्वायर था उसको अपन ने गायब कर दिया।
अच्छा क्यों गायब कर दिया स्क्वायर को? क्योंकि मेरे पास यही दिख रहा था व्हेन आई वाज़ पिनलाइजिंग द बिग एरर्स। लेकिन साथ
में उसका वही एक कॉर्न बन गया था या फिर आप यह बोल सकते हो उसकी वजह से दिक्कत आ रही थी। सो मीन एब्सोल्यूट एरर का आप उस
जगह पे यूज़ कर सकते हो। नाउ इफ यू आर यूजिंग मीन एब्सोल्यूट एरर या आप बोल सकते हो इसके प्रोज़ होंगे कुछ एंड द प्रोज़ आर
मोर रबस्ट मोर रबस्ट टू आउटलाइयर्स। मतलब आउटलाइयर से ज्यादा इसको
फर्क नहीं पड़ता। क्यों फर्क नहीं पड़ता भाई आउटलाइयर से? क्योंकि सिंपल सी बात है भाई अगर आउटलाइयर आ भी रहा है तो मैं उसको
स्क्वायर नहीं कर रहा हूं। मैं उसकी वैल्यू नॉर्मल तरीके से ट्रीट कर रहा हूं। ठीक है? या फिर आप यह बोल सकते हो ईच
एरर कंट्रीब्यूट्स इक्वली। कंट्रीब्यूट्स
इक्वली। ठीक है भैया। अब क्स क्या है भैया? क्स भाई सिंपल। जो चीज अच्छी थी मीन एब्सोल्यूट एरर की वो बेकार है मीन
स्क्वायर एरर की। और जो चीज मीन स्क्वायर स्क्वायर्ड एरर की अच्छी है वो बेकार है मीन एब्सोल्यूट एरर की तो इसके क्स भैया
सिंपल से आप ये बोल सकते हो डजंट पनिश डजंट पनिश लार्ज एरर्स
ठीक है आई होप आपको समझ आ रहा होगा अब यहां पे कहां इसको यूज़ करना चाहिए सपोज़ लेट्स से यू आर एनालाइजिंग समथिंग जहां पे
आप Zomato एंड SWGI की डिलीवरी एनालाइज कर रहे हो। ठीक है? एंड उसमें ऐसा हुआ कि यू सॉ वन ऑफ द डिलीवरी गाय दैट डिलीवरर्ड योर
पिज़्ज़ा। मोस्ट ऑफ़ द डिलीवरी गायज़ आर डिलीवरिंग द पिज़्ज़ाज़ इन लेट्स से अह 30 मिनट्स, 35 मिनट्स, 25 मिनट्स, 26 मिनट्स।
सो, ऑल द डिलीवरी टाइम्स आर वैरी सिमिलर। लेकिन, देयर इज़ वन गाय हु डिलीवर द पिज़्ज़ा इन टू आवर्स। सो, यू कैन से 120 मिनट्स।
सो, दिस 120 मिनट्स कैन बी कंसिडर्ड एज़ एन आउटलाइयर। एंड इफ वी जस्ट कैलकुलेट दैट आउटलाइयर या फिर उसका मैं लॉस फंक्शन का
यूज़ करके भी निकालुंगा। एंड व्हाट इज़ दैट 120? 120 इज़ द प्रेडिक्शन। प्रेडिक्शन प्रेडिक्शन। ठीक है? एक्चुअली उसने नहीं
करा था 120 मिनट में। द प्रेडिक्टेड या फिर आप बोल सकते हो जो वेट्स अपडेट किए थे उसकी वजह से प्रेडिक्शन हुआ 120 मिनट्स
का। सो देयर इज़ अ ह्यूज लॉस। और अगर उस ह्यूज लॉस को अपन ने स्क्वायर कर दिया तो दिक्कत हो जाएगी। तो वहां पे आप मीन
एब्सोल्यूट एरर का यूज़ कर सकते हो। लेकिन वहीं पे अगर कोई सा हाउस है उसको आप प्रेडिक्ट करना चाह रहे हो और एक्चुअली
में भैया वो गलत प्रेडिक्शन हो गया और वो इतना बड़ा लेट्स से लॉस हो गया। मैं कैसे बताऊं यार? बस ये मान के चलो जहां पे मीन
एब्सोल्यूट एरर अच्छा है वहां पे मीन स्क्वायर एरर बेकार है। जहां पे मीन स्क्वायर्ड एरर अच्छा है वहां पे मीन
एब्सोल्यूट एरर बेकार है। अब दोनों चीजों में बड़ा कंफ्यूजन हुआ। लोगों ने बोला यार ये तो बहुत गलत है। ये ऐसे कैसे काम
करेंगे कि यार मीन एब्सोल्यूट एरर यूज़ करें या फिर मीन एब्सोल्यूट एरर यूज़ करें। तो यहां पे फिर रिसर्च करिएगा और रिसर्च
के बाद एक और चीज निकली। एंड दैट इज़ ह्यूबर लॉस। ह्यूबर लॉस। नाउ व्हाट इज़ दिस ह्यूबर लॉस?
ह्यूबर लॉस ने यह बोला कि यार मैं मीन स्क्वायर एरर भी यूज़ करूंगा एंड मैं मीन एब्सोल्यूट एरर भी यूज़ करूंगा। मतलब बहुत
सिंपल है। स्मॉल लेट्स से इफ यू आर हैविंग स्मॉल एरर्स यू विल यूज़ एम एस ई मीन स्क्वायर एरर। इफ यू आर हैविंग लेट्स से
लार्ज एरर्स। लार्ज एरर्स यू विल यूज़ एम एई एंड दैट इज़ मीन एब्सोल्यूट एरर। मतलब आप यह बोलना चाह रहे
हो भैया समवन क्रिएटेड वन लॉस फंक्शन जो दोनों चीजों को साथ में यूज़ कर पाएगा। हां एंड दैट लॉस फंक्शन इज ह्यूबर लॉस फंक्शन।
और इसका भी अब काफी ज्यादा यूज़ होने लग गया है। ठीक है? यू कैन यूज़ मोस्ट ऑफ दी थिंग्स। ठीक है? रिग्रेशन टास्क के लिए आप
यह बोल सकते हो सभी अच्छा है लेकिन यू कैन यूज़ ह्यूबर लॉस। द ओनली कौन या फिर आप बोल सकते हो द ओनली प्रॉब्लम विथ ह्यूमबर लॉस
इज़ यार यह कैसे बोलूं? यह हाइपर पैरामीटर लेता है और हाइपरपरामीटर लेने का मतलब यह है कि आपको सेट करना पड़ेगा कि कितने लॉस
के बाद आपको लार्ज एरर चाहिए या फिर कितने स्मॉल एरर्स चाहिए। आई होप आपको समझ आ रहा होगा। देयर इज़ एन हाइपोपैरामीटर दैट वी
हैव टू एक्टिवेट यूजिंग ह्यूबर लॉस। ठीक है? एंड आई विल डू वन थिंग। ये जितने भी लॉस फंक्शनंस थे जो मैंने यहां पे इतना
कचरे तरीके से लिखे हैं। तो टेंशन मत लो। आई एम गोइंग टू यूज़ नोट्स। यहां पे मैं पूरे नोट्स प्रिंट आउट कर दूंगा जहां पे
आपको दिख जाएंगे सारे ही लॉस फंक्शन। तो आपके लिए थोड़ा और आसान होगा इन सब चीजों को पढ़ना। क्योंकि टेक्निकली एट द एंड ऑफ
द डे दीज़ थिंग्स आर थ्योरीज़ एंड थ्योरीज़ एंड रिसर्च पेपर्स। और उन रिसर्च पेपर्स के बाद ही ये सब चीजें निकली थी। सो आई
विल यूज़ दोज़ रिसर्च पेपर। मैं थोड़ा सा निकालूंगा और यहां पे मैं उसको उनका कंटेंट लगा दूंगा। ऑल द फॉर्मूलेज़ विल बी
हियर। ठीक है? सो डोंट वरी अबाउट इट। बिकॉज़ मेरे को ही बहुत शर्म आ रही है देख के कि मैंने इतना गंदा क्यों लिखा है? ऊपर
तो यार मैं सही लिख रहा था यार। आई गेस हां ऊपर ठीक था। ऊपर मैंने सही लिखा। अरे बाप रे ये इतना सारा अच्छा ये ओके सारे ये
भी तो पढ़ाए थे एक्टिवेशन फंक्शनंस ठीक है इफ आई गो अपसाइड बस एक सेकंड रुकना एक सेकंड रुको देखो हैंडराइटिंग हां ये देखो
ये देखो दिस इज गुड एंड ट्रस्ट मी वन थिंग गाइस मैं यहां पे बताना चाहूंगा इफ यू हैव वॉच्ड द स्टार्टिंग 1.2 और 1.5
आवर्स ऑफ वीडियो जहां पे मैंने लॉजिकल इंट्यूशन बताया था डीप लर्निंग का ट्रस्ट मी दैट्स इनफ। अगर उतना कर लिया ना आपने
तो आप कोई सा भी इंटरव्यू तो क्रैक कर ही लोगे। मजाक नहीं कर रहा हूं मैं क्योंकि इंटरव्यूज में यही पूछा जाता है व्हाट इज
फॉरवर्ड प्रोपगेशन? व्हाट इज बैकवर्ड प्रोपगेशन? व्हाट इज ईपॉक्स वैल्यू? हाउ यू अपडेट योर वेट्स? वेट्स कैसे अपडेट
होते हैं? हिडन लेयर्स क्या होती है? आउटपुट लेयर क्या होती है? इनपुट लेयर क्या होती है? दुनिया भर के यही सामान
होते हैं। और यही सवाल पूछे जाते हैं। तो एक्चुअली में यू हैव डन मोस्ट ऑफ़ द पार्ट इन डीप लर्निंग। अभी इसके बाद जो चीजें
मैं बता रहा हूं दैट इज़ ऑप्टिमाइज़र्स एंड दीज़ थिंग्स दीज़ आर ऑल द रिसर्चेस जो मैं आपको शोकेस कर रहा हूं। एंड आफ्टर
शोकेसिंग दीज़ रिसर्चेस आई विल क्रिएट अ प्रोजेक्ट जो कि आपके बहुत ज्यादा काम आने वाला है। तो चलो अ दैट्स इट। ये वाला हो
गया एक लॉस फंक्शन। आई गेस आपको समझ आ गया। ठीक है? सो आई विल प्रिंट ऑल द लॉसेस। और इसके बाद अब बस मैं एक और लॉस
की बात करना चाहता हूं। एंड दैट इज़ क्लासिफिकेशन टास्क में कौन से लॉस करते हैं। ठीक है? क्लासिफिकेशन। एंड बाय द वे
बाय द वे बिफोर यूजिंग क्लासिफिकेशन आई हैव वन मोर लॉस फंक्शन दैट वी कैन यूज इन रिग्रेशन टास्क एंड दैट इज एमएसएलई एंड
दैट इज मीन स्क्वायर एरर बट log के साथ या फिर लॉगरिथम्म लगा देते हैं जो भी आपके एरर्स आ रहे होते हैं। मतलब ये जो एरर्स आ
रहे हैं ना इन पे अपन क्या लगा देंगे? log लगा देंगे। दैट्स इट। अब एक चीज़ बता देता हूं। अगर आप log लगाते हो और अगर आपकी
वैल्यू नेगेटिव आ रही है तो नेगेटिव ऑफ़ log इज़ ऑब्वियसली ज़ीरो। तो अगर आपके पास नेगेटिव वैल्यूज़ आ रही हैं तो थोड़ी दिक्कत
आ जाएगी। ये कभी मत लगाना। लेकिन यूजुअली इनको कहां यूज करते हैं? इनको यूज करते हैं ग्रोथ को एस्टीिमेट करने के लिए। ठीक
है? जैसे पापुलेशन ग्रोथ हो गया या फिर यूजर ग्रोथ हो गया या फिर आप ये बोल सकते हो यू हैव फाइनेंशियल ग्रोथ। इन सब चीजों
में इसका यूज़ करते हैं। ठीक है? तो बहुत कम यूज़ केस होगा। ज्यादातर आप इसको देखोगे नहीं। लेकिन स्टिल यू मस्ट नो देयर इज़ वन
लॉस फंक्शन दैट कैन बी यूज़्ड विद लॉग्स। और उसका कहां यूज़ करेंगे? ग्रोथ को एस्टिमेट करने के लिए। जैसे 2030 में कुछ
ग्रोथ चल रही है। 2021 में कुछ थी। 2021 से 30 में कितनी हो गई? हर साल की कुछ ग्रोथ लिखी है और इस टाइप की चीजों के लिए
अपन ये यूज़ कर सकते हैं। ठीक है? एंड डोंट वरी। आई विल जस्ट गिव ऑल द नोट्स हियर। तो आपको समझ आ जाएगा। ओके? सो नाउ लेट्स
स्टार्ट विद द क्लासिफिकेशन लॉस प्रॉब्लम्स। या फिर आप बोल सकते हो जब आपके पास क्लासिफिकेशन टास्क होता है तब
आप कौन से लॉस फंक्शनंस यूज़ कर सकते हो। नाउ लेट मी गिव यू वन एग्जांपल। एज़ यू कैन सी ये क्लासिफिकेशन टास्क था। राइट? यू
हैव नीड्स व्हाट वन एंड ज़ीरो। मल्टीपल ज़ीरोज़ एंड वंस थे। तो वी यूज्ड वन ऑफ दी लॉस फंक्शन एंड दैट इज बाइनरी क्रॉस
एंट्रॉपी। ये कौन सा है? चलो देखते हैं। एंड इसको मैं थोड़ा और अच्छे से समझा पाऊंगा बिकॉज़ आई हैव दिस कोड एग्जांपल एस
वेल। तो चलो जल्दी से मैं खोल लेता हूं वापस से गुड नोट्स। एंड लेट्स राइट अ क्लासिफिकेशन।
क्लासिफिकेशन टास्क लॉस फंक्शन। ठीक है? नाउ टू टेल दिस मैं एक एग्जांपल
देना चाह रहा हूं। लेट्स से आई एम गिविंग यू एग्जांपल ऑफ़ सम डेटा एंड दैट डेटा हैव वन ऑफ़ द कॉलम एंड दैट इज़ एनिमल दैट यू हैव
टू प्रेडिक्ट। मान लो भैया आपको कैट एंड डॉग प्रेडिक्ट करना है। ठीक है? एनिमल यू हैव टू प्रेडिक्ट एनिमल एंड लेट्स से
कैट्स एंड डॉग्स आर ज़ीरो 1 1 0 0 1 सो यू हैव टू प्रेडिक्ट ओनली टू थिंग्स एंड दैट इज़ एनिमल्स और उसमें कैट्स एंड डॉग्स। ठीक
है? तो आपको पता है आपका आउटपुट हमेशा ज़ीरो एंड वन पे ही आने वाला है। चलो ठीक है। लेट्स से आई एम गोइंग टू गिव यू अनदर
थिंग। एक और बार मैंने लिखा एनिमल एंड दिस टाइम यू हैव टू प्रिडिक्ट कैट। यू हैव टू प्रिडिक्ट डॉग एंड यू आल्सो हैव टू
प्रिडिक्ट हॉर्स। ठीक है? अब मान लो एक और कैट आ गया। एक और हॉर्स आ गया। ठीक है? फिर एक और क्या आ गया? डॉग आ गया। और इस
तरीके के आपके पास वापस से बहुत सारे ऐसे एनिमल्स लिखे हैं। ठीक है? सो टाइम यू आर गोइंग टू प्रिट थ्री थिंग्स। ठीक है? और
अगेन फिर से मैं क्या लिखता हूं? अगेन एक बार एनिमल लिखता हूं। एंड दिस इज़ द थर्ड केस। थर्ड केस सिनेरियो में आपके पास ना
ही कैट, ना ही डॉग, ना ही हॉर्स और भी हैं। मतलब आपके पास पिक भी आ जाएगा। आपके पास और भी आ जाएंगे। यू कैन हैव मोर लाइक
हियर एज़ वेल। लेकिन स्टिल आई हैव 0 1 2 1 3 4 5 1 2 सो आई गेस आई हैव सिक्स एनिमल्स। ठीक है? तो 0 1 2 3 4 5 सो दीज़
आर द सिक्स एनिमल्स दैट आई हैव। और मैंने उनको सीधे न्यूमेरिक फॉर्म में लिख दिया। ठीक है? एंड अगेन दिस इज़ व्हाई। दिस इज़
व्हाट यू हैव टू प्रेडिक्ट। याद रखना। ये आपका प्रेडिक्शन है। आपके पास x1, x2 फीचर्स होंगे, x3 फीचर होंगे, मल्टीपल
फीचर्स आपके जुड़े होंगे। सो व्हेन यू हैव दीज़ थ्री काइंड्स ऑफ कंडीशन तीनों जगहों पे आप अलग-अलग लॉस फंक्शनंस को अप्लाई
करोगे। चलो समझाता हूं कौन सा लॉस फंक्शन इस वाले केस में अप्लाई होगा। सो इफ यू हैव ज़ीरो एंड वन यू हैव बाइनरी
क्लासिफिकेशन प्रॉब्लम तो आप एक चीज यूज़ करोगे या फिर एक लॉस फंक्शन यूज़ करोगे एंड दैट इज़ बाइनरी
क्रॉस एंट्रॉपी। सी आर ओ डबल एस क्रॉस ई एन टी आर ओ पी वाई। एंड बाय द वे इफ यू आर यूजिंग बाइनरी क्रॉस एंट्रॉपी इसका मतलब
यह है आपका न्यूरल नेटवर्क कुछ इस तरीके से दिखने वाला है। बहुत ध्यान से देखना कैसा दिखेगा। योर न्यूरल नेटवर्क विल लुक
लाइक दिस। यू हैव वन यू हैव टू यू हैव थ्री इनपुट लेयर्स। और यू हैव फोर फाइव सिक्स। डिपेंड्स ऑन द डेटा कितने आपके पास
इनपुट लेयर्स हैं। ठीक है? लेट्स से आपके ये है भैया एक हिडन लेयर। यू हैव मल्टीपल हिडन लेयर्स या फिर आप बोल सकते हो
मल्टीपल न्यूरॉन्स इन योर हिडन लेयर। ठीक है? अगेन यू हैव अरे व्हाई इट इज़ गेटिंग स्क्वायर। अरे स्क्वायर ही बने जा रहा है
यार। यह देखो यह सर्कल बनाया मैंने। ठीक है? और ऐसे करके एक और है एक दो तीन। ठीक है? और
फाइनली आपके पास एक आउटपुट रहेगा एंड दैट इज़ अ सिंगल आउटपुट। या फिर आप बोल सकते हो आपके पास एक सिंगल न्यूरॉन रहेगा फॉर दी
आउटपुट। क्योंकि इट्स अ बाइनरी क्रॉस एंट्रॉपी या फिर बोल सकते हो इट्स अ बाइनरी क्लासिफिकेशन प्रॉब्लम। सो, इफ यू
आर डूइंग बाइनरी क्लासिफिकेशन एंड बाय द वे दीज़ थिंग्स विल बी कनेक्टेड टू ईच अदर लाइक दिस। वेरी सिंपल। यह सब एक दूसरे से
कनेक्टेड होंगे। आई गेस ये आपको पता है। ये सब तो ये चीज तो कंफर्म अभी आपको पता लग ही गई है। ठीक है? सो एव्री ईच एंड
एव्री न्यूरॉन इज़ कनेक्टेड टू ईच अदर। बीच में आपके ऑप्टिमाइज़र्स लग रहे हैं। ऑप्टिमाइज़र्स बोल रहा हूं। यू आर यूजिंग
लेट्स से आपके एक्टिवेशन फंक्शनंस लग रहे हैं। लेकिन फाइनली जो लास्ट लेयर होगी ये आपको क्या करेगी? आउटपुट प्रोवाइड करेगी।
सो व्हाटएवर आउटपुट इट इज़ प्रोवाइडिंग दिस इज़ प्रोवाइडिंग व्हाई हैट। इसका अपन लॉस कैसे निकालेंगे? बाइनरी क्रॉस एंट्रॉपी
पे। एंड बाय द वे यहां पे सिर्फ एक लास्ट न्यूरॉन इसलिए रहेगा द ओनली न्यूरॉन बिकॉज़ यू आर प्रेडिक्टिंग या तो जीरो या फिर वन।
एंड वन मोर थिंग जब भी आप अपने ऑप्टिमाइज़र्स की बात करते हो नॉट ऑप्टिमाइजर आप अपने एक्टिवेशन फंक्शनंस की
बात करते हो तो एक्टिवेशन फंक्शन में ये जो आपका लास्ट लेयर होनी चाहिए या फिर जो आउटपुट लेयर होनी चाहिए उसमें आपका कौन सा
लगना चाहिए? यू मस्ट हैव सिग्मोइड एक्टिवेशन फंक्शन। ठीक है? आई होप आपको समझ आ रहा है मैं क्या बोल रहा हूं। यू
मस्ट हैव व्हाट? यू मस्ट हैव अ सिग्मोइड एक्टिवेशन फंक्शन बिकॉज़ सिग्माइड एक्टिवेशन गिव्स वैल्यू बिटवीन ज़ीरो एंड
वन। और हमेशा ज़ीरो और वन के बीच में ही वैल्यू आएगी। और यहां पे आप प्रोबेबिलिटी रूल के बेसिस पे बोल सकते हो या तो वैल्यू
ज़ीरो या तो वैल्यू वन। सो व्हाट आई एम ट्राइंग टू टेल यू इज़ यू यूज़ बाइनरी क्रॉस
एंट्रॉपी। ठीक है? एज अ लॉस फंक्शन इफ यू आर यूजिंग सिगॉइड
एज योर एक्टिवेशन फंक्शन एक्टिवेशन फंक्शन वेयर वेयर इन द आउटपुट लेयर इट्स वेरी सिंपल। ठीक है? तो आउटपुट
लेयर में आप सिग्माइड एक्टिवेशन फंक्शन का यूज़ कर रहे हो। इफ वी आर यूजिंग बाइनरी क्रॉस एंट्रॉपी एज़ दी लॉस फंक्शन। आई होप
ये चीज़ समझ आ रही है। ठीक है? एंड थ्रू दिस यू गेट अ वैल्यू ऑफ़ ज़ीरो एंड वन। इट्स वेरी बेसिक। तो अगर आप अपने कोड पे भी
जाएंगे जो अपन लोगों ने किया था। आवर कोड इज़ ऑल्सो गिविंग द लॉस एज़ दी बाइनरी क्रॉस एंट्रॉपी। एंड यू कैन सी द लास्ट लेयर।
व्हाट इज़ दिस लास्ट लेयर? दिस लास्ट लेयर इज़ यूजिंग वन न्यूरॉन। एंड व्हाट इज़ दिस वन न्यूरॉन? आपका आउटपुट न्यूरॉन। ठीक है?
एंड दिस आउटपुट न्यूरॉन एक्टिवेशन फंक्शन इज़ सिग्माइड एक्टिवेशन फंक्शन। सिग्माइड विल गिव वैल्यूज़ बिटवीन ज़ीरो एंड वन। एंड
दैट्स व्हाट वी एक्चुअली वांट। एंड आफ्टर दैट यू कैन यूज़ दी बाइनरी क्रॉस एंट्रॉपी। दैट्स इट। ठीक है? तो ये था मेरा फर्स्ट
तरीका। मतलब ये था अपना अपना फर्स्ट तरीका दैट इज़ बाइनरी क्रॉस एंट्रॉपी का यूज़ करना। अब बात करते हैं भैया दूसरी वाली
चीज़ पे। एंड दैट इज़ यहां पे आता है मल्टी क्लास। या फिर आप बोल सकते हो एक सिंगल क्लास को प्रिडिक्ट नहीं करना चाह रहे। आप
मल्टीपल क्लासेस को प्रिडिक्ट करना चाह रहे हो लाइक कैट, डॉग एंड हॉर्स। तो अब यहां पे आप क्या करोगे? एक चीज़ अप्लाई
करोगे एंड दैट इज़ वन हॉट एनकोडिंग इन व्हिच आई एम गोइंग टू यूज़ कैट डॉग एंड हॉर्स। ठीक है? अब मैं समझाता हूं क्या
करेंगे। इफ यू हैव कैट या फिर आप बोल सकते हो यहां पे मैं अप्लाई करूंगा वन हॉट एनकोडिंग।
और वन हॉट एनकोडिंग क्या करता है? जो भी आप क्लासिफाई करना चाहते हो मल्टीपल क्लासेस को उनको अगेन ज़ीरो एंड वंस में
कन्वर्ट कर देता है। इफ यू कन्वर्ट इट इंटू ज़ीरो एंड वंस व्हाट विल हैपन? व्हाट डू यू थिंक विल हैपन? इट्स वेरी सिंपल।
यहां पे आ जाएगा लेट्स से 1 0 0 यहां पे आ जाएगा 0 1 0 0 और यहां पे आ जाएगा 0 1 बिकॉज़ यू आर हॉर्स। इफ यू आर डॉग इफ यू
हैव अ कैट तो यहां पे वन आता जाएगा। ठीक है? अगेन 1 0 0 0 1 डॉग के लिए क्या आ जाएगा? 0 1 0. सो व्हाट यू डिड वाज़ यू डिड
वन हॉट एनकोडिंग एंड नाउ यू हैव टू प्रेडिक्ट थ्री थिंग्स एंड दैट इज़ कैट, डॉग एंड हॉर्स। सो इनका जो आपका न्यूरल
नेटवर्क होता है वो थोड़ा डिफरेंट बनता है। सो लुक एट द न्यूरल नेटवर्क दैट इज़ गोइंग टू बी क्रिएटेड। लेट्स सेम चीज़ मैं कर रहा
हूं। यू हैव मल्टीपल इनपुट्स वन टू थ्री डिपेंडिंग ऑन द डेटा। जितने भी आपके पास इनपुट्स होने वाले हैं। ठीक है? अगेन एंड
अगेन व्हाई इट इज़ क्रिएटिंग अ बॉक्स। चलो ठीक है। ये बॉक्स ही बनेगा मुझे लग रहा है अब। ये देखो परफेक्ट सर्कल बना रहा हूं।
ठीक है? एंड यू हैव वन मोर थिंग। लेकिन अब इस बार आपके साथ क्या होगा ना? लेट्स से आपने अपनी हिडन लेयर्स बना ली। एंड आफ्टर
क्रिएटिंग द हिडन लेयर्स व्हाट यू डिड वाज़ आपने बना ली एक आउटपुट लेयर। ठीक है? नाउ द आउटपुट लेयर हैव थ्री थिंग्स। वन टू एंड
थ्री। अच्छा व्हाई नाउ यू हैव थ्री थिंग्स? बिकॉज़ आपके पास कितनी चीजें हैं? कैट, डॉग एंड हॉर्स प्रेडिक्ट करना है
आपको। राइट? सो यू हैव अगेन थ्री थिंग्स। तो अब अगर आप इनको कनेक्ट भी कर दोगे, दिस विल बी वेरी सिंपल। कनेक्शन कैसा रहेगा?
ये भैया ये सारे एक दूसरे से कनेक्टेड रहेंगे। न्यूरॉन्स अपने कनेक्टेड रहते हैं एक दूसरे से बढ़िया। एंड देन दीज़ ऑल द
न्यूरॉन्स विल बी कनेक्टेड टू ईच एंड एव्री अदर न्यूरॉन। एंड दैट्स इट। और अब यहां पे ये जो आउटपुट है ये कैट के लिए
होगा। ये वाला जो आउटपुट है वो किसके लिए होगा? हॉर्स के लिए होगा। और यह वाला आउटपुट हो सकता है डॉग के लिए हो। नाउ
व्हाट आर दीज़ आउटपुट्स टेलिंग अस? दीज़ आउटपुट्स आर टेलिंग अस कि आपको बाइनरी क्रॉस एंट्रॉपी यूज़ नहीं करनी है। अब आपको
यूज़ करनी है कैटेगोरिकल क्रॉस एंट्रॉपी। क्या यूज़ करेंगे यहां पे? कैटेगोरिकल क्रॉस एंट्रॉपी। एंट्रॉपी। वेरी सिंपल।
ठीक है? एंड वन मोर थिंग जब आप कैटेगोरिकल क्रॉस एंट्रॉपी का यूज़ करोगे, यू डोंट हैव टू यूज़ द सिग्माइड एक्टिवेशन फंक्शन हियर।
नाउ व्हाट यू हैव टू यूज़ इज़ यू हैव टू यूज़ सॉफ्ट मैक्स। क्या यूज़ करेंगे? सॉफ्ट मैक्स एक्टिवेशन फंक्शन एट दी आउटपुट
लेयर। क्यों भैया? क्योंकि सिग्माइड एक्टिवेशन फंक्शन बाइनरी क्लासिफिकेशन प्रॉब्लम्स पे करते हैं अपन लास्ट लेयर
पे। आउटपुट लेयर पे। लेकिन अगर मेरे पास मल्टीपल आउटपुट लेयर्स होती हैं तब अपन क्या यूज़ करते हैं? सॉफ्ट मैक्स एक्टिवेशन
फंक्शन। सो दैट मींस अगर भैया मैं इसमें अपने कोड को थोड़ा सा चेंज करना चाहूं तो अपन क्या चेंज करेंगे? सबसे पहले तो यहां
पे बाइनरी क्रॉस एंट्रॉपी की जगह यू हैव टू राइट कैटेगोरिकल क्रॉस एंट्रॉपी। ठीक है? एंड
साथ में ये जो लास्ट लेयर है दैट इज़ द डेंस लेयर जहां पे मैं सिर्फ एक आउटपुट न्यूरॉन ले रहा था। यहां पे आपको अब कितने
लेने पड़ेंगे? लेट्स से तीन। क्योंकि आपके पास क्या थे? डॉग थे, कैट थे एंड हॉर्सेस थे। तो यूज़ थ्री आउटपुट लेयर्स। ठीक है?
एंड आफ्टर यूजिंग दीज़ थ्री आउटपुट लेयर आपका जो एक्टिवेशन सिग्मॉयड था उसको आप चेंज करके क्या कर दोगे? इट्स वेरी सिंपल।
सॉफ्ट मैक्स कर दोगे। ठीक है? एंड वन मोर थिंग अब जैसे मान लो आपका जो रिजल्ट आएगा वो कुछ इस तरीके से आएगा। कैट आएगा 1 0
डॉग आएगा 0 1 0 या फिर आपके पास हॉर्स आ जाएगा 0 1 इस तरीके से आपके रिजल्ट्स आने वाले हैं। आई होप आपको समझ आ रहा है।
सॉफ्ट मैक विल गिव यू द वैल्यू ऑफ़ बिटवीन ज़ीरो एंड वन। या फिर आप बोल सकते हो एग्जैक्ट वन एंड ज़ीरो वैल्यूज़ ही देता है
सॉफ्ट Max एक्टिवेशन फंक्शन। सो दिस इज़ हाउ यू कैन यूज़ दी सेकंड आप बोल सकते हो वे। एंड द थर्ड वे इज़ ये तो बहुत ही सिंपल
है। थर्ड वे इज़ वन ऑफ द मोस्ट सिंपलेस्ट एंड दैट्स इज़ स्पार्स कैटेगोरिकल क्रॉस एंट्रॉपी। या फिर स्पार्स में मतलब ये बोल
सकते हो नाउ यू आर नॉट यूजिंग वन हॉट एंड गोइंग। आप एक ही डेटा के अंदर 1 2 3 4 या फिर नंबरिंग कर देते हो आप अपने कैटेगरीज़
की। और इसमें अब आप क्या करते हो? यू यूज़ अ सिंगल थिंग लॉस फंक्शन एंड दैट इज़ पार्स क्रॉस एंट्रॉपी। ज्यादा कुछ ऐसा फर्क नहीं
रहता। ठीक है? अब लेकिन द क्वेश्चन इज़ व्हेन वी आर यूजिंग स्पार्स थिंग तो आपको कितने आउटपुट लेयर चाहिए होंगे? ऑब्वियसली
यू नीड वन आउटपुट लेयर। क्यों? क्योंकि अब यहां पे आप या तो टू करोगे या तो वन करोगे या फिर थ्री करोगे या फिर फोर करोगे या
फिर फाइव करोगे। आई गेस आपको ये समझ आ रहा है। ठीक है? तो यहां पे न्यूरल नेटवर्क अगेन मैं बना देता हूं। इट्स अ वेरी सिंपल
न्यूरल नेटवर्क। यह हो गया 1 2 3 यह हो गया 1 2 3 4 और यहां पे हो गया एक सिंगल आउटपुट लेयर। ठीक है? एंड दिस विल क्रिएट
व्हाट? दिस विल गिव यू ओनली वन आउटपुट आउट ऑफ़ ऑल दोज़ नंबर्स। ठीक है? एंड यहां पे ये हो गया देख लो। और यहां पे अपन क्या यूज़
करेंगे? एज़ अ एक्टिवेशन फंक्शन के लिए सॉफ्ट Max ही यूज़ करेंगे अपन। ठीक है? एंड वी आर गोइंग टू यूज़ सॉफ्ट मैक्स एक्टिवेशन
फंक्शन एट द लास्ट लेयर। और यहां पे क्या चीज़ यूज़ होगी? स्पार्स दैट क्रॉस
एंट्रॉपी। ठीक है? तो मतलब अगर मेरे को लिखना भी होगा तो आई गेस पार्स कैटेगोरिकल क्रॉस एंट्रॉपी है
नाम। सॉरी थोड़ा सा मैंने गलत लिख दिया। जस्ट आपको यहां पे लिखना है वेयर इज द रबर?
कैटेगोरिकल क्रॉस एंट्रॉपी क्रॉस
एंट्रॉपी। ठीक है? अब स्पार्स कैटेगोरिकल क्रॉस एंट्रॉपी कैसे लिखेंगे? यहां पे बस एक चीज लगा देंगे स्पार्स। ठीक है? और
स्पार्स करने के बाद एक चीज और कर देंगे। दिस टाइम आई जस्ट नीड दी वन आउटपुट लेयर या फिर आप बोल सकते हो एक सिंगल आउटपुट
लेयर। उससे भी काम चल जाएगा। एंड दैट्स इट। कितना ज्यादा सिंपल है। ठीक है? एंड बाय द वे आई गेस मैंने एक चीज गलती कर दी।
ठीक है? एंड बाय द वे सॉरी देयर वाज़ वन मिस्टेक। आई यूज्ड अ सिंगल आउटपुट। लेकिन सिंगल आउटपुट लेयर नहीं होगी। बिकॉज़ इफ यू
आर लेट्स से डूइंग सिक्स थिंग्स एंड यू आर यूजिंग सॉफ्ट मैक्स। सो यू हैव सिक्स आउटपुट लेयर्स एज़ वेल। या फिर आप बोल सकते
हो सिक्स आउटपुट न्यूरॉन्स आपके होंगे। सो दैट मींस 1 2 3 4 5 एंड सिक्स आउटपुट न्यूरॉन होंगे। और ये सिक्स आउटपुट
न्यूरॉन्स एक दूसरे से कनेक्टेड ही रहेंगे जो आपके हिडन लेयर्स हैं। ठीक है? एंड ऑब्वियसली इट्स नॉट ऑलवेज नेसेसरी कि आपका
हिडन लेयर एक सिंगल रहे। सो यू विल हैव मल्टीपल हिडन लेयर्स और ये सारे एक दूसरे से कनेक्टेड रहेंगे। ठीक है? द ओनली
डिफरेंस बिटवीन कैटेगोिकल क्रॉस एंट्रॉपी एंड स्पार्स कैटेगोरिकल क्रॉस एंट्रॉपी इज़ हियर यू आर डूइंग वन हॉट एनकोडिंग। या फिर
आप बोल सकते हो आप कैट, डॉग एंड हॉर्सेज के लिए एक अलग-अलग कॉलम्स बना रहे हो। एंड हियर व्हाट यू आर डूइंग इज़ यू आर यूजिंग
इट एज अ सिंगल कॉलम जिसके अंदर आप मल्टीपल नंबर्स लिख सकते हो। एंड देन दोनों का न्यूरल नेटवर्क सेम ही बनता है। दोनों में
अपन लोग सॉफ्ट मैक्स ही अप्लाई करते हैं एज द एक्टिवेशन फंक्शन इन दी आउटपुट आउटपुट लेयर। और यहां पे बस पार्स
कैटेगोरिकल क्रॉस एंट्रॉपी लिखते हैं। अगर आपने वन हॉट एनकोडिंग नहीं करी है। सो ऑब्वियसली यहां पे सॉफ्ट मैक्स ही रहेगा।
एंड अगेन आई वाज़ रॉन्ग एट दिस पॉइंट। यहां पे इस तरीके से सिक्स हो जाएगा। इफ आई एम यूजिंग व्हाट? इफ आई एम यूजिंग दिस थिंग
एज़ द डेटा। आई होप आपको समझ आ रहा है बिकॉज़ ज़ीरो से फाइव तक ही है क्योंकि मेरे को लग ही रहा था आई आई थॉट कि यार सॉफ्ट
मैक्स फंक्शन अगर अप्लाई कर रहे हो तो सॉफ्ट मैक्स तो आपके पास मल्टीपल न्यूरॉन्स के लिए काम आएगा। ठीक है? एंड
अगर आपके पास सिंगल एक आउटपुट न्यूरॉन है तो आप ऑब्वियसली सिग्माइड एक्टिवेशन फंक्शन यूज़ करोगे इन दी आउटपुट लेयर। एंड
अगेन कंफ्यूज मत होना। एक्टिवेशन फंक्शनंस आर वेरी डिफरेंट। ये हैं एक्टिवेशन फंक्शनंस जो अपन ने रेलू यूज़ किया था। याद
करो। और ये रेलूवेलू कहां यूज़ कर रहे हैं अपन लोग? दीज़ थिंग्स वी आर यूजिंग इन व्हाट? वी आर यूजिंग इन द मिडिल लेयर्स।
या फिर आप बोल सकते हो जो हिडन लेयर्स हैं उनमें अपन यूज़ कर रहे हैं। दैट्स इट। सो दिस इज़ हाउ योर आप ये बोल सकते हो दिस इज़
हाउ यू कैन सेलेक्ट योर अ लॉस फंक्शनंस। ठीक है? एंड ट्रस्ट मी अब आप देख रहे हो कि लॉस फंक्शन कहीं ना कहीं थोड़ा-थोड़ा सा
कनेक्टेड है आपके एक्टिवेशन फंक्शन से। मतलब अगर आपके आउटपुट लेयर में आपने गलत एक्टिवेशन फंक्शन डाल दिया। मान लो आपके
पास तीन आउटपुट न्यूरॉन्स हैं एंड यू वर यूजिंग सिग्माइड एक्टिवेशन फंक्शन तो आपका अच्छे से काम नहीं हो पाएगा। सो दैट्स
व्हाट आई एम सेइंग। थोड़ा बहुत डिफरेंशिएशन आता है लेकिन कहीं ना कहीं हद तक सेम ही है। ठीक है? सो दैट्स इट। दीज़ आर द लॉस
फंक्शनंस। एंड नाउ एक और बहुत ही इंपॉर्टेंट चीज है। एंड दैट इज़ व्हाट दैट इज़ ये क्या कहां गया? सॉरी ऑप्टिमाइज़र्स।
क्योंकि ऑप्टिमाइज़र्स पे तो बात ही नहीं करी। अभी तक तो भैया अपन लोग लॉस फंक्शनंस एंड एक्टिवेशन फंक्शनंस को ही
डिफरेंस-डिफरेंस करके देख रहे हैं। डिफरेंट-डिफरेंट यूज़ करके देख रहे हैं। लेकिन भैया इसका क्या करें ऑप्टिमाइजर का?
क्योंकि अभी तो आपने ग्रेडियंट डिसेंट यूज़ किया है। और यह जो एसडी एसजीडी है ना यह बहुत पावरफुल है। अभी दिखाऊंगा कैसे। ठीक
है? सो दीज़ आर ऑल द लॉस फंक्शनंस एंड एक्टिवेशन फंक्शनंस। नाउ लेट्स मूव टुवर्ड्स दी ऑप्टिमाइज़र्स। और देखते हैं
कौन से कौन से ऑप्टिमाइज़र्स यूज़ कर सकते हैं। कहां-कहां कौन से यूज़ करने चाहिए, कितने अच्छे होते हैं। एंड फाइनली आफ्टर
कंप्लीटिंग दी ऑप्टिमाइज़र्स अपन एक अच्छा सा प्रोजेक्ट बनाएंगे। ठीक है? एंड आई थिंक इसके बाद मैं थोड़ा सा सीएनएन भी
बढ़ाना चाहूंगा। फिर प्रोजेक्ट बनाऊंगा या फिर पहले प्रोजेक्ट बना लूं। आई एम नॉट श्योर। मेरे को लगता है मैं सीएनएन
पढ़ाऊंगा फिर प्रोजेक्ट बनाऊंगा। तो चलो मिलते हैं अगले वाले सेक्शन में। एंड दैट इज़ ऑप्टिमाइज़र्स।
सो नाउ वी आर गोइंग टू टॉक अबाउट दी ऑप्टिमाइज़र्स। और ऑप्टिमाइज़र्स में भी मैं सबसे पहले ग्रेडियंट डिसेंट की बात करना
चाहूंगा। और ग्रेडियंट डिसेंट में कुछ प्रॉब्लम्स थी जो रिस्चरर्स ने काफी ज्यादा फाइंड आउट करी और उसके बेसिस पे
कुछ काम करें। ठीक है? तो वही पहले मैं शोकेस करना चाहूंगा। सो सबसे पहले तो इफ यू डोंट नो व्हाट इज़ ग्रेडियंट डिसेंट।
भाई कम ऑन गाइस यू हैव लर्न मशीन लर्निंग। काफी बार अपन देख चुके हैं। व्हाट इज़ ग्रेडियंट डिसेंट? इट्स एंड अ इट्स अ
ग्रेट ऑप्टिमाइजर एंड वी हैव टू रीच द ग्लोबल मिनीमा पॉइंट। टू रीच द ग्लोबल मिनीमा पॉइंट वी हैव सम फार्मूला और वो
फार्मूला आपको पता है क्या होने वाला है। ठीक है? सो सबसे पहले तो इफ आई टॉक अबाउट दी ग्रेडियंट डिसेंट थिंग। तो ग्रेडियंट
डिसेंट का फार्मूला क्या था? वेट्स को ऑब्वियसली ऑप्टिमाइज़ करना है। फिर अपडेट्स करना वेट्स को। तो वेट को अपडेट करने के
लिए एक बड़ा ही सिंपल सा फार्मूला था जो अपन यूज़ कर रहे थे। एंड दैट इज़ W ऑफ़ न्यू एंड दैट इज़ न्यू वेट दैट वी वांट टू
अपडेट। w न्यू w ओल्ड माइनस आप यह बोल सकते हो माइनस के बाद एक लर्निंग रेट रहता था और लर्निंग
रेट के बाद यू हैव डेरिवेटिव ऑफ़ लॉस डिवाइडेड बाय डेरिवेटिव ऑफ़ W ओल्ड और ये चीज़ अपन ने अच्छे से देखी है। दिस इज़ द
फार्मूला दैट वी हैव सीन और कैसे एक वैनिशिंग ग्रेडियंट प्रॉब्लम भी बन रही थी व्हेन वी वर यूज़िंग सम ऑफ़ द एक्टिवेशन
फंक्शन लाइक सिग्माइड एक्टिवेशन फंक्शन वो भी देखा था। सो वी नो व्हाट एक्चुअली इज ग्रेडियंट डिसेंट और किस तरीके से ये सब
वर्क करता है। अब होता क्या है कि जब अपन ऑप्टिमाइज़र्स का यूज़ करते हैं। ऑप्टिमाइज़र्स आर यूज्ड इन रिस्पेक्ट टू
दिस थिंग। ये आपके लेयर्स रहते हैं ना इन लेयर्स के वेट्स को अपडेट करने के लिए यूज़ आते हैं। मैं अभी नीचे का नहीं दिखा रहा
मैं दिखाऊंगा बाद में। सो सबसे पहले व्हाट वी आर गोइंग टू डू इज़ आप मान के चलो यू हैव 1 लाख रिकॉर्ड्स। कितने रिकॉर्ड्स
हैं? 1 लाख रिकॉर्ड्स। सो आई एम काउंटिंग वंस, 10, 100,000, 10,000 वंस, 10, 1000, 10,000 लाख। ओके? यू हैव 1 लाख रोज़ या फिर
आप बोल सकते हो यू हैव 1 लाख रिकॉर्ड्स। अब अगर ये पूरे 1 लाख रिकॉर्ड को आप भेजना चाहोगे अपने लेट्स से पूरे लेट्स से एक
इनपुट ले लेते हैं। लेट्स से दिस इज़ द न्यूरॉन वी हैव वन टू थ्री न्यूरॉन्स। ओके? यू हैव टू न्यूरॉन्स हियर एंड यू हैव
वन आउटपुट न्यूरॉन। ओके? सो यू हैव वन टू एंड थ्री इनपुट लेयर्स। वेरी सिंपल। एंड इफ यू वांट टू सेंड ऑल दीज़ इनपुट लेयर्स
या फिर आप बोल सकते हो ऑल दीज़ 1 लाख रिकॉर्ड एट अ सिंगल टाइम व्हाट आई एम सेइंग इज अगर आप ये पूरे 1 लाख रिकॉर्ड्स
को एक बार में बेच दोगे एंड देन यू कंप्यूट द लॉस मतलब समझो मैं क्या बोल रहा हूं। आपने बोला कि मैं गया फॉरवर्ड
प्रोपगेशन में एंड व्हाइल आई वाज़ डूइंग फॉरवर्ड प्रोपगेशन आई एम सेंडिंग ऑल दोज़ 1 लाख रोज़ एट अ सिंगल टाइम। ठीक है? तो
सिंगल टाइम मतलब सारे के सारे 1 लाख रोज़ एक बार में गए, अंदर गए और यहां पे 1 लाख रोज़ ने Y हैट या फिर आउटपुट प्रोवाइड
किया। ठीक है? नाउ यू वांट टू कैलकुलेट द लॉस। सो व्हाट यू आर गोइंग टू डू इज़ फॉर कैलकुलेटिंग द लॉस यू हैव टू यूज़ दी कॉस्ट
फंक्शन। ठीक है? एंड बाय द वे व्हाट वी आर डूइंग इज़ यू आर यूजिंग कॉस्ट फंक्शन या फिर अपन बोल सकते हैं लॉग लॉस फार्मूला या
फिर अपन लॉस निकालना चाह रहे हैं। ठीक है? तो लॉस निकालने के लिए यू हैव टू यूज़ दी कॉस्ट फंक्शन या फिर आप बोल सकते हो लॉस
फंक्शन। ठीक है? लॉस फंक्शन को अगर आप मल्टीपल टाइम्स यूज़ करोगे तो इट बिकम्स अ कॉस्ट फंक्शन जो मैंने अभी ऊपर आपको
एक्सप्लेन किया था। सो व्हाट करेंटली यू आर डूइंग इज आप एक साथ 1 लाख रिकॉर्ड्स को साथ में भेज रहे हो और साथ में आप सभी को
सभी का कॉस्ट फंक्शन निकाल रहे हो और फिर आप उसके बाद फाइनली एक और बार पीछे आ रहे हो। ठीक है? नाउ लेट्स से यू आर डूइंग दिस
फॉर 100 एपॉक्स। हाउ मेनी एपॉक्स ईपी ओ सीएचएस यू आर डूइंग दिस फॉर 100 एपॉक्स। सो इफ यू आर डूइंग दिस थिंग फॉर 100
एपॉक्स यू आर गोइंग टू सेंड द फॉरवर्ड प्रोपगेशन फॉर ऑब्वियसली 100 टाइम्स एंड द बैकवर्ड प्रोपगेशन विल आल्सो बी 100
टाइम्स क्योंकि भैया एक साथ ही आप सारे 1 लाख रिकॉर्ड्स को भेज दे रहे हो। ठीक है? सो इफ यू आर डूइंग 100 एपॉक्स यू आर
अपडेटिंग द वेट्स अपडेटिंग द वेट्स या फिर आप बोल सकते हो जो भी आपके वेट्स हैं
फॉर 100 टाइम्स। वेरी सिंपल। ठीक है? मतलब एक बार आपने 1 लाख रिकॉर्ड्स भेजे और जैसे ही आपने भेजे वो एक बार गए अंदर और वो
सारी चीजें अपडेट हो गई और जब वो वापस आई सॉरी जब सीधे अंदर गए और फिर सबका आउटपुट आ गया। सबके आउटपुट्स को आपने कैलकुलेट
किया लॉस कैलकुलेट किया कॉस्ट फंक्शन लगा के एंड देन आप वापस से आए कहां पे? बैकवर्ड प्रोपगेशन पे। एंड व्हेन यू वर
डूइंग बैकवर्ड प्रोपोगेशन आपके वेट्स अपडेट हो गए। एंड देयर यू गो वन एपॉक वाज़ कंप्लीटेड। एंड देन द नेक्स्ट एपॉक
स्टार्टेड। अब नेक्स्ट एपॉक कैसे स्टार्ट हुआ? वापस से आपने पूरी 1 लाख रोज़ को भेजा। एंड दिस टाइम विद डिफरेंट वेट्स एंड
लेट्स सी कितना लॉस कम होगा, कितना लॉस ऊपर जाएगा। एंड देन वापस से एक बार बैकवर्ड प्रोपगेशन। सो टोटल यू आर डूइंग
100 इपॉक्स एंड यू आर अपडेटिंग द वेट्स फॉर 100 टाइम्स। इट्स वेरी सिंपल। ठीक है? सो दिस वाज़ अ बेसिक वैनिला ग्रेडियंट
डिसेंट फॉर्म दैट वाज़ यूज्ड फर्स्ट जब अपन लोगों ने डीप लर्निंग को एक्सप्लोर किया था। ऐसा बोल सकते हो। ठीक है? नाउ देयर वर
सम एडवांटेजेस। ठीक है? आप देख सकते हो यहां पे मैंने लिख के भी रखा है 100 बिट्स अपडेट इन टोटल। सो द एडवांटेजेस आर स्मूथ
एंड स्टेबल अपडेट्स। मतलब भैया आपके पास कोई भी नॉइस नहीं आएगी। कि यू आर अपडेटिंग द वेट्स फॉर 100 टाइम्स। एंड आई थिंक 100
टाइम्स में आप अपने ग्रेडियंट डिसेंट के ग्लोबल मिनीमा पॉइंट पे पहुंच जाओगे। ठीक है? ग्लोबल मिनीमा पॉइंट क्या है? दैट
पॉइंट जहां पे आपको अब अपडेट करने की जरूरत नहीं है वेट्स को। यू हैव रीच द लिमिट और आपका बेस्ट एक जो आउटपुट
प्रोवाइड हो सकता है इस डेटा के साथ वो आपको मिल चुका है। ठीक है? सो दैट्स व्हाट ग्लोबल मिनीमा इज़। और ये सब भी अपन ने
पास्ट में पढ़ा है। सो इफ यू हैवंट वाच द मशीन लर्निंग वीडियोस ट्रस्ट मी गाइस प्लीज प्लीज वॉच देम। ठीक है? बहुत
ज्यादाेंट है। सो अब अगर बात करते हैं कि स्मूथ एंड स्टेबल अपडेट्स होते हैं। लेस नॉइज़ी होता है। एडवांटेज काफी अच्छा है।
कवरेज कन्वर्ज कन्वर्ज स्टेडीली बिकॉज़ ग्रेडियंट इज़ कैलकुलेटेड फ्रॉम ऑल डेटा। सारे डेटा से कैलकुलेट होता है। तो
कन्वर्जन रेशियो भी बहुत ज्यादा अच्छा रहता है। लेकिन देयर आर सम डिसएडवांटेजेस जिसकी वजह से दूसरी चीज़ बनी। एंड द
डिसएडवांटेजेस वर स्लो व्हेन डेटा सेट इज़ ह्यूज। ऑब्वियसली आई एम टॉकिंग अबाउट 1 लाख रोज़। तो अगर 1 लाख रोस को साथ में भेज
के साथ में उसका कॉस्ट फंक्शन निकालोगे तो इट विल टेक सम टाइम। एंड व्हाट आई एम टेलिंग यू इज यू हैव टू डू दिस फॉर 100
टाइम्स। सो दैट मींस ऑब्वियसली जब बहुत ज्यादा डेटा सेट होगा तो ये धीरे काम करेगा और साथ में बहुत ज्यादा रैम यूज़
करेगा। या फिर आप बोल सकते हो हार्डवेयर रिक्वायरमेंट काफी ज्यादा ऊपर चली जाती है व्हेन यू आर यूजिंग बैच ग्रेडियंट डिसेंट
या फिर आप बोल सकते हो वैनिला ग्रेडियंट डिसेंट को जब आप यूज़ करते हो तो रिक्वायर्स अ लॉट ऑफ़ RAM V RAM टू लोड द
फुल डेटा सेट एट वंस। अब रिसर्चरर्स ने सोचा कि यार लेट्स मेक समथिंग डिफरेंट जो इस चीज से बचा ले। तो जब अपन लोगों ने
सोचा कि भाई इन चीज से कैसे बच सकते हैं या फिर सबसे बड़ी इंपॉर्टेंट जो चीज थी दैट इज रिक्वायर्स अ लॉट्स एंड लॉट्स ऑफ
रैेम और ये चीज अवेलेबल नहीं थी स्टार्टिंग में तो लोगों ने सोचा कि लेट्स मूव टुवर्ड्स अनदर थिंग एंड दैट इज़
स्टोस्टिकेटेड ग्रेडियंट डिसेंट ठीक है स्टोकास्टिक ग्रेडियंट डिसेंट ये बोल सकते हो एसजीडी अब इसने ये बोला कि यार अगेन यू
हैव हाउ मेनी रिकॉर्ड्स यू हैव हाउ मेनी वंस 10 100 थाउजेंड थाउजेंड लाख यू हैव 1 लाख रिकॉर्ड्स ठीक है सो डू वन वन थिंग आप
ये जो पूरी 1 लाख रिकॉर्ड्स या फिर वन रोज़ रोज़ हैं उसमें से एक फर्स्ट रो को निकालो। ठीक है? एक फर्स्ट रो को निकालो और उसको
भेजो एक फॉरवर्ड प्रोपगेशन में। या फिर आप बोल सकते हो इस न्यूरल नेटवर्क में आप उसको एक बार भेज दो। तो लेट मी अगेन
क्रिएट द न्यूरल नेटवर्क। इट्स वेरी सिंपल। आपके पास वही सेम न्यूरल नेटवर्क है जो ऊपर चल रहा था। देयर यू गो एंड
दैट्स इट। ठीक है? तो व्हाट व्हाट डिड दिस से? वही उन्होंने यह बोला कि डू वन थिंग। यह वापस से सारी चीजें करो और 1 लाख रोज़
में से किसी एक रो को आप फॉरवर्ड प्रोपगेशन में भेज दो और वहां से उसका व हैट या फिर आप लॉस कैलकुलेट करो। लॉस
फंक्शन लगाओ। यू डोंट हैव टू यूज़ कॉस्ट फंक्शन क्योंकि अपन एक सिंगल एक सिंगल रो का निकाल रहे हैं और फिर उसको बैक
प्रोपगेशन में भेज दो। सो दैट मींस आपने बोला कि नाउ अपडेट दी वेट्स। मतलब आप करो अपडेट कर दो वेट को सिर्फ एक रो को भेज
के। तो भैया क्या मैं सिर्फ एक रो को भेजूंगा? नहीं। यू हैव टू सेंड ऑल द रोज़ एंड बाय द वे द एपॉक वैल्यू इज़ स्टिल 100।
अभी मैं समझाऊंगा कैसे वर्क कर रहा है। ये ऊपर भी मैंने समझाया था। ठीक है? सो दैट मींस अब यही चीज सेम चीज विल हैपन फॉर
सेकंड रो। सेम चीज विल हैपन फॉर थर्ड रो। और ऐसे ही सेम थिंग विल हैपन फॉर फोर्थ रो। और ऐसे करके एवरीथिंग सभी रोज़ के लिए
10,000 रोज़ के लिए या फिर जो 1 लाख रोज़ हैं उन सबके लिए यही सेम प्रोसेस अप्लाई होगा। सो दैट मींस इन अ सिंगल एपॉक मतलब
आप जब सारी रोज़ भेज दोगे तब का ही जाके आपका एक एपॉक कंप्लीट होगा। तो टेक्निकली इन अ सिंगल एपॉक यू आर अपडेटिंग योर वेट्स
फॉर 1 लाख टाइम्स। आई गेस आपको समझ आ रहा होगा। 1 लाख समय के 1 लाख टाइम्स आप क्या करोगे? अपने वेट्स को अपडेट करने वाले हो
इन अ सिंगल एपॉक। अब आप सोच के देखो अगर आप 100 एपॉक्स कर रहे हो। सो दैट मींस यू विल अपडेट योर वेट्स फॉर 100 * 1 लाख एंड
दैट विल बी 1 करोड़ अपडेट्स। ठीक है? सो दैट मींस यू आर गोइंग टू डू 1 करोड़ अपडेट्स इन योर वेट्स। अब इससे क्या हुआ?
एडवांटेजेस थे कि मच फास्टर टू स्टार्ट लर्निंग। मतलब जब आपकी लर्निंग स्टार्ट होती है तो काफी ज्यादा फास्ट होती है।
क्योंकि आप सीधे एक ही पॉक वापस जाते हो। सिर्फ एक बार एक पूरे रो को भेज रहे हो। ठीक है? और एक रो में सिर्फ तीन से चार
वैल्यू होंगी तुरंतंगी तुरंत वापस आएंगी। सो आपका स्टार्ट बहुत तेज होगा। वर्क्स वेल विद वेरी लार्ज डेटा। मतलब बहुत बड़े
लार्ज डेटा होते हैं। यू नीड यू डोंट नीड ऑल रोज़ इन मेमोरी एट वंस। मतलब सारे के सारे रोज़ को आप एक साथ क्रैम नहीं कर रहे
हो। आप एक रो को एक बार में कर रहे हो। लेकिन नाउ देयर आर सम डिसएडवांटेज। एंड द डिसएडवांटेजेस आर अपडेट्स आर वेरी नॉइज़ या
फिर आप बोल सकते हो बहुत ज्यादा नॉइज़ कैप्चर होता है। सो लेट मी टेल यू व्हाट एक्चुअली नॉइज़ इज़। तो यहां पे बस एक
डायग्राम बना रहा हूं। आपको समझ आ जाएगा। अ लेट्स से अ आई एम गोइंग टू बिल्ड द नॉइज़ विद दिस कलर। ठीक है? सो लेट्स से यू हैव
दिस ग्रेडियंट डिसेंट कर्व। और ऐसे ही बनता है। ऑब्वियसली 3D शेप में बनता है। आई कैन नॉट रिप्रेजेंट 3D यार। तो मैं 2D
में कर रहा हूं। एंड लेट्स से दिस इज़ द ग्लोबल मिनिमा पॉइंट दैट यू वांट टू अचीव। दिस इज द ग्लोबल मिनीमा पॉइंट।
ठीक है? ग्लोबल मिनीमा। नाउ व्हाट हैपेंस इज़ अगर अपन लोग सिंपल यूज़ कर रहे थे एंड दैट इज़ ग्रेडियंट
डिसेंट का यूज़ कर रहे थे। एंड यू आर एट दिस पॉइंट तो ग्रेडियंट डिसेंट आराम आराम से आराम आराम से नीचे आ जाएगा। क्योंकि ये
सिर्फ 100 टाइम्स चलेगा। या फिर 100 टाइम्स आपके वेट अपडेट्स होंगे। एंड व्हेन यू अपडेट योर वेट 100 टाइम यू विल अचीव द
ग्लोबल मिनीमा एट वन पॉइंट और अनदर। सो दिस इज़ व्हाट अ ग्रेडियंट डिसेंट लुक्स लाइक या फिर आप बोल सकते हो वीजीडी दैट इज़
वैनिला ग्रेडियंट डिसेंट। लेकिन अब क्या हुआ? जब आप ये यूज़ कर रहे थे स्टोस्टिकेटेड ग्रेडियंट डिसेंट। नाउ यू
आर नॉट अपडेटिंग योर वेट्स फॉर 100 टाइम्स। यू आर अपडेटिंग योर वेट्स फॉर 1 करोड़ टाइम्स। कितने टाइम्स? 1 करोड़
अपडेट्स यू आर गोइंग टू डू। सो नाउ इफ यू आर यूजिंग 1 करोड़ अपडेट्स, व्हाट विल हैपन? क्या लगता है आपको? यह बहुत ज्यादा
नॉइज़ कैप्चर करेगा। सो दिस विल बी द थिंग दैट विल हैपन। यह इस तरीके से नीचे आएगा क्योंकि बहुत ज्यादा नॉइज़ कैप्चर कर रहा
है। बहुत ज्यादा वैल्यू्यूज अपडेट हो रही है। ऊपर नीचे ऊपर नीचे। ऑलदो वो पहुंचेगा एक ना एक पॉइंट पे ग्लोबल मिनीमा पे। यह
पूरा हट क्यों गया? व्हाट हैपेंड हियर? अरे ठीक है। मैं बड़ा डर गया था। हट गया। सो
दिस इज़ द नॉइज़ दैट इज़ गोइंग टू बी कैप्चरर्ड। इस तरीके से ऐसे आप नीचे पहुंचोगे। यह मिट क्यों रहा है? आई एम नॉट
श्योर। ठीक है? सो दिस इज व्हाट इज आप बोल सकते हो स्टॉकस्टिकेट स्ट क्या बोल रहे हैं इसको? आई एम नॉट श्योर स्टोकास्टिक
ग्रेडियंट डिसेंट। स्टोकास्टिकेटेड पता नहीं कहां से वर्ड आ गया। स्टॉकस्टिक ग्रेडियंट डिसेंट। आई होप ये चीज समझ आ
रही है। ठीक है? सो अब इस चीज से भी बचना था। लोगों ने बोला नहीं यार बहुत ज्यादा नॉइज़ कैप्चर हो रहे हैं। अपडेट्स आर वेरी
नॉइज़ लॉ लॉस कर्व्स, जंप्स अराउंड इंस्टेड ऑफ़ स्मूथ डिक्रीज। मतलब स्मूथ डिक्रीज जाने की जगह वो बहुत ज्यादा जंप कर रहा है
इधर-उधर। तो कैन बी अनस्टेबल, हार्डर टू कन्वर्ज हो सकता है। स्लोअर टू रीच द एग्जैक्ट मिनिमम कंपेयर टू मिनी बैच। तो
मतलब स्टोस्टिकेटेड ग्रेडियंट डिसेंट में भी कुछ ना कुछ खराबी थी। और ऑब्वियसली क्या लगता है आपको कि ये जो अपडेट्स हैं
ये जो मतलब जितने भी आपके पास ये दिक्कतें आ रही थी आपके रुकने वाले थे अगर रिसर्चरर्स ने बोला नहीं वी हैव टू मेक
समथिंग मोर एंड देन दे यूज्ड व्हाट द प्रैक्टिकल सॉल्यूशन एंड दैट इज़ मिनी बैच ग्रेडियंट डिसेट। नाउ व्हाट इज़ दिस मिनी
बैच ग्रेडियंट डिसेट? अ कॉम्प्रोमाइज बिटवीन बैच एंड एसजीटी स्प्लिट्स डेटा इंटू स्मॉल बैचेस एग्जांपल 32 64 128 रोज़
ठीक है? सो लेट मी अगेन टेक दैट एग्जांपल यू हैव हाउ मेनी रिकॉर्ड्स यू हैव 1 लाख रिकॉर्ड्स राइट 1 लाख रिकॉर्ड्स एंड
व्हाट यू आर गोइंग टू डू इज़ यू आर गोइंग टू कन्वर्ट इट इंटू अ बैच साइज़ ऑफ़ 100. सो यू सेड कि आउट ऑफ़ दिस 1 लाख रिकॉर्ड आई एम
हैविंग अ 100 बैच साइज़। ओके? ओके? बैच साइज़ हो गया कितना? 100 बैच साइज़ हो गया। एंड यू हैव 100 एपॉक्स ए वेल। कोई दिक्कत
नहीं है। सो दैट मींस व्हाट यू आर डूइंग इज यू आर गोइंग टू सेंड 100 रिकॉर्ड्स एट वंस। मतलब जो अपन स्टार्टिंग में कर रहे
थे वैनिला ग्रेडियंट में सीधे 1 लाख रिकॉर्ड्स भेज रहे थे। लेकिन नहीं नाउ वी आर गोइंग टू सेंड 100 रिकॉर्ड्स एज़ वन। और
फिर उसके बाद वापस से बैक प्रोपगेशन करेंगे विद 100 रिकॉर्ड्स। ठीक है? सो दैट विल बी वन इटरेशन।
इटरेशन वन। दिस इज़ गोइंग टू बी द फर्स्ट इटरेशन। एंड यू आर गोइंग टू गेट द लॉस। वही सारी चीजें निकलेंगी। वही सब कैलकुलेट
होगा। एंड दिस इज़ द फर्स्ट इटरेशन दैट यू आर गोइंग टू डू। एंड आउट ऑफ दिस फर्स्ट इटरेशन ऐसी अब आपको कितनी इटरेशन करनी
पड़ेगी? टू कंप्लीट 10,000 या फिर 1 लाख। तो अगर 100 बैच साइज एक बार में 100 भेज रहे हो तो 1 लाख कंप्लीट करने के लिए आपको
लगेगा कितना? दैट्स सिंपल। 1 लाखेड बाय 100 एंड दैट्स अप टू 1000। कितने? 1000 आपको क्या करने
पड़ेंगे? इटरेशंस करने पड़ेंगे। और 1000 इटरेशंस मतलब 1000 बार आपको वेट्स को अपडेट करना पड़ेगा इन अ सिंगल एपॉक। तो
अगर 100 एपॉक्स है तो 100 एपॉक्स * 1000 इक्वल्स टू हाउ मच? इट्स वेरी सिंपल। दैट्स 1 लाख एपॉक्स या फिर आप बोल सकते हो
1 लाख बार आपको वेट्स को अपडेट करना पड़ेगा। लेकिन भैया अपन लोग यहां पे कितनी बार कर रहे थे? 1 करोड़ बार कर रहे थे।
सॉरी यहां पे तो कितनी बार कर रहे थे? फर्स्ट वाले में तो सिर्फ 100 बार वेट्स को अपडेट कर रहे थे। यहां पे 1 करोड़ बार
कर रहे लेकिन 1 करोड़ से बहुत रिड्यूस करके अपन 1 लाख बार ले आए। तो अब क्या लगता है इसका कर्व कैसा बनेगा? इसका कर्व
भी अच्छा था। लेकिन स्टिल देयर वर स्टिल नॉइज़ सम नॉइज़। ठीक है? तो आप ये बोल सकते हो दिस इज़ द नॉइज़ दैट वाज़ गेटिंग
कैप्चरर्ड बिकॉज़ ऑफ़ अ लेट मी डू वन थिंग। और ये जो ग्रीन है, दिस इज़
स्टॉकस्टिकेटेड। सॉरी स्टॉकस्टिकेटेड फिर बोल रहा हूं। स्टोकास्टिक या फिर आप बोल सकते हो मिनी बैच स्टोकास्टिक ग्रेडियंट
डिसेंट। यहां पे सिर्फ मिनी बैच ग्रेडियंट डिसेंट लिख दिया या फिर मैं लिख देता हूं मिनी बैच ग्रेडियंट डिसेंट। आई होप आपको
समझ आ रहा होगा। ठीक है? एंड हाउ यू कैन इंप्लीमेंटेड दीज़ थिंग्स इन द कोड सर। कोड में क्या करेंगे? तो कोड में कुछ नहीं
करना है। जो अपन लिखते आ रहे थे। लेट मी ओपन द कोड फर्स्ट। सो जो अपन चीजें लिखते आ रहे थे वही सब लिखनी है। आपको
ऑप्टिमाइजर एसजीडी ही लिखना है। एसजीडी इज़ द ऑप्टिमाइजर। लेकिन अब आपको बैच साइज़ इसको बदलना पड़ेगा। इट्स वेरी सिंपल। तो
सबसे पहले लेट्स से मैंने एक मॉडल फिट किया और इसमें अगेन 100 डिपॉक्सी करे लेकिन बैच साइज मैंने लिख दिया लेंथ ऑफ़
एक्सट्रेन। सो व्हाट इज़ द लेंथ ऑफ़ एक्सट्रेन? एक्सट्रेन के अंदर जितने भी आपके पास क्या हैं? रोज़ हैं। सो इफ यू हैव
1000 रोज़ या फिर 10,000 रोज़ और 1 लाख रोज़ वो सारी 1 लाख रोज़ को एक साथ भेज दो। ठीक है? दैट्स व्हाट आप बोल सकते हो सिंपल
ग्रेडियंट, वेन्यू ग्रेडियंट डिसेंटिस। और यही चीज़ अपन ने देखी थी। आप सीधे क्या कर रहे थे? 1 लाख रोज़ को साथ में भेज दे रहे
थे। देयर यू गो। यू आर गोइंग टू सेंड ऑल द 1 लाख रोज़ एट अ वन टाइम सिंगल टाइम। और उसकी वजह से क्या हो रहा था? 100 वेट्स
अपडेट होंगे टोटल में। ठीक है? लेकिन सेकंड ऑपरेशन क्या सोचा था अपन ने कि नाउ वी आर गोइंग टू डू द बैच साइज एज़ वन। सो
अगर बैच साइज़ वन रखते हैं मतलब एक बार में सिर्फ एक रो जाएगी। और अगर एक बार में एक रो गई, सो इफ वी हैव 1 लाख रोज़ क्या होने
वाला है? आप 1 लाख बार सिर्फ एक के पॉक में अपडेट करोगे वेट्स को। ठीक है? तो यहां पे बहुत ज्यादा नॉइज़ कैप्चर होगी।
एंड दिस इज़ द सेकंड थिंग दैट वी डीड। ठीक है? और कुछ नहीं करना है। सेम वही है। एसजीडी लिखा लेकिन बैच साइज को डिफरेंट कर
दिया। एंड द थर्ड थिंग इज यू कैन अपडेट द बैच साइज। नाउ लेट्स से आपने बैच साइज को 100 कर दिया। सो दैट मींस व्हाट यू आर
सेइंग इज कि अब मैं 1 लाख रिकॉर्ड्स में से एक बार में 100 रिकॉर्ड्स को बेच दूंगा और फिर अपने वेट्स को अपडेट करूंगा। ठीक
है? आई होप आपको समझ आ रहा है। ठीक है? यू आर गेटिंग इट। ठीक है? और अगर नहीं समझ आ रहा है, इज देयर एनीथिंग जो आपको लग रहा
है कि भैया मैं कंफ्यूज हो रहा हूं तो वापस सिर्फ रिवाइंड करो। ट्रस्ट मी गाइस, दिस इज़ अ रिकॉर्डेड वीडियो? दिस इज़ अ
रिकॉर्डेड लेक्चर फॉर यू गाइस। आप वापस से रिवाइंड करके देख सकते हो। यू विल गेट ऑल द नॉलेज जो मैं बताना चाह रहा हूं। ठीक
है? एक बार में समझ नहीं आता। जैसे मैंने मशीन लर्निंग में भी ये चीज सभी को बोली थी कि यार एक बार में आपको समझ नहीं आएगा।
इट विल टेक सम टाइम। लेकिन बहुत सारे लोग मैं एक चीज दिखाना चाहता हूं। आई जस्ट वांट टू शो यू दिस थिंग यार। आई एम वेरी
सैड अबाउट इट। एंड आई वांट टू सी आई गेस मेरे को YouTube पर जाकर करना चाहिए था। लेकिन चलो कोई बात नहीं। द थिंग
आई वांट टू शो इज़ लुक एट दिस। मैंने बनाई थी भैया मशीन लर्निंग की फर्स्ट वीडियो एंड 76,000 व्यूज आर देयर। यू हैव 76,000
एंड पीपल वर वेरी एंजॉयंग इट। मजा आ रहा था। लोगों ने बहुत सारे लोगों ने कमेंट भी किया है कि फाइनली हमें एक ऐसी वीडियो
मिली जिसमें हमारे को मशीन लर्निंग समझ आ रहा है। ठीक है? लेकिन ट्रस्ट मी आउट ऑफ दी 76,000 पीपल ओनली 19,000 और यू कैन से
ओनली 20,000 पीपल आर देयर जो आगे बढ़े। क्यों ऐसा हुआ? और ये जो 76 में से सिर्फ 20,000 ही आगे के बढ़े और सारे कहां चले
गए? वो सारे वही लोग थे जिनको यह लगता था कि यार यह सब चीजें टफ है और हमसे नहीं हो पाएंगी। लेकिन ट्रस्ट मी देयर इज नथिंग एज
टफ। टफ क्या होता है भाई? बचपन में ए बी सी डी बोलना भी टफ लगता था। ट्रस्ट मी जब आपका ब्रेन डेवलप नहीं हुआ था। लेकिन द
ओनली थिंग दैट यू हैव टू डू इज प्रैक्टिस एंड रिवीज़। मतलब अगर आपको लग रहा है कि भैया आई एम स्टिल गेटिंग कंफ्यूज्ड इन
एक्टिवेशन फंक्शनंस, लॉस फंक्शनंस, ऑप्टिमाइज़र्स, देन आपको वापस से रिवाइंड करना पड़ेगा। आई हैव टीच मोस्ट ऑफ़ द थिंग
वेरी एक्यूरेटली। आप ट्रस्ट कर सकते हो इस चीज पे। जस्ट गो एंड रिवाइंड दीज़ थिंग्स। अगर थोड़ा सा भी लग रहा है कि आपको समझ
नहीं आ रहा है। ठीक है? अब समझते हैं कि भैया ये जो आपके पास ग्रेडियंट डिसेंट्स के तीन वर्जनंस थे जो आपने दिखा दिए कोड
में इंप्लीमेंट करके भी। अब भी मेरे को लग रहा है कि कुछ नॉइज़ आ रही है और नॉइज़ किस में आ रही है? मिनी
बैच ग्रेडियंट डिसेंट में भी। आई थिंक देयर इज सम नॉइज़। देखो ना अभी भी नहीं हो पा रहा है। तो इस चीज के लिए एक और चीज
निकाली गई है। एंड दैट इज मोनोटोनस ग्रेडियंट डिसेंट जिसमें आप जीरो नॉइस के साथ हो सकता है पहुंच जाओ ग्रेडियंट या
फिर आप बोल सकते हो ग्लोबल मिनीमा पे। सो लेट्स सी दैट कि क्या एक्स्ट्रा और रिसर्च करके एक और नया ऑप्टिमाइजर निकाल गया।
लेट्स सी। अब जब यहां पर इतनी सारी नॉइज़ कैप्चर हो रही थी, आई जस्ट वांटेड टू टेल यू कि किस तरीके से रिसर्च बिल्कुल चुप
नहीं बैठे और क्या क्रिएट कर दिया। नाउ लेट्स सी इन लोगों ने बना दिया एक मोमेंटम एम ओ एम ई एन टी यू एम मोमेंटम विद आप यह
बोल सकते हो एस जी डी या फिर स्टॉकस्टिक ग्रेडियंट डिसेंट यूज़ कर रहे हैं। लेकिन अ मोमेंटम के साथ स्टॉकस्टिक नहीं सीधे अपन
बोल सकते हैं मिनी बैच ग्रेडियंट डिसेंट यूज़ करेंगे। लेकिन विद मोमेंटम। अच्छा भैया क्या है मोमेंटम? कैसे बनाया? ये सब
क्या है? चलो समझते हैं। सो रिसर्चर्स ने यह सोचा कि यार जब हम लोग एक ग्रेडियंट डिसेंट कर्व बना रहे हैं। लेट्स से दिस इज़
अ ग्रेडियंट डिसेंट कर्व। और इसमें आपको ग्लोबल मिनीमा तक पहुंचना है। तो व्हाट यू हैव टू डू इज़ आपको भैया यहां से लर्निंग
रेट के बेसिस पे आप नीचे आते जाओगे, आते जाओगे, आते जाओगे, आते जाओगे। ठीक है? लेकिन जब ये चीज कर रहे थे तो ये बन नहीं
पा रही थी क्योंकि ऑब्वियसली भैया ज्यादा डेटा होता है तो इतने ज्यादा जीpu एंड CPU पावर्स नहीं थे। तो उस चीज के लिए क्या
किया? उन लोगों ने भैया स्टोकास्टिक ग्रेडिएंटेशन लगाया जिसकी वजह से बहुत ज्यादा जिगजैग मूवमेंट्स हो रहे और जब
जिगजैग मूवमेंट हो रहे थे तो काफी मुश्किल से अपन ग्लोबल मिनीमा तक पहुंच पा रहे थे। एंड इवन इसमें तो अपन ग्लोबल मिनीमा की
जगह लोकल मिनीमा में भी पहुंच पा रहे थे। सो लेट मी टेल यू व्हाट इज़ लोकल मिनीमा। लोकल मिनीमा कुछ इस तरीके से दिखेगा। मान
लो भैया यहां पे ग्रेडियंट डिसेंट है और यहां पे दिस इज़ ग्लोबल मिनीमा एंड दिस इज़ लोकल मिनीमा। तो जब अपन स्टोकास्टिक
ग्रेडियंट डिसेंट लगा रहे थे। इतने ज्यादा नॉइज़ की वजह से हो सकता है कि वो यहीं पे फंस के लोकल मिनीमा में रह जाए। ठीक है?
सो दिस वाज़ ऑल हैपनिंग। अब क्या किया? लोगों ने यह सोचा कि भाई इसकी जगह अपन मिन बैच साइज लगा सकते हैं या फिर मिनिमम बैच
साइज का यूज कर सकते हैं इन ग्रेडियंट डिसेंट जिसकी वजह से अगेन नॉइज़ तो कैप्चर हो रही थी लेकिन थोड़ी सी कम नॉइज़ कैप्चर
हो रही थी। आई होप आपको समझ आ रहा है। ठीक है? सो लेस नॉइज़ वाज़ गेटिंग कैप्चरर्ड एंड फाइनली मैं यहां पे ग्लोबल मेनू पे पहुंच
जा रहा था। लेकिन स्टिल देयर वर या यहां पे कुछ ना कुछ नॉइज़ थी। अब लोगों ने ये सोचा कि अगर आप लेट्स से किसी एक माउंटेन
पे हो। बहुत ध्यान से सोचना। ठीक है? मतलब एपिक एपिक चीज बना दी इन लोगों ने भाई रिस्चरर्स ने। लेट्स से देयर इज अ
माउंटेन। ठीक है? और यह है आपका एक माउंटेन। अब मान लेते हैं इस माउंटेन से आपने यहां से एक बॉल रोल करना स्टार्ट
करी। ठीक है? सो ऑब्वियसली ये चीज आपको समझ आ रही होगी। ये जो बॉल है स्टार्टिंग में धीरे रोल होगी। फिर बहुत तेज होती
जाएगी, होती जाएगी, होती जाएगी, होती जाएगी और ये पूरा नीचे आ जाएगी बहुत ज्यादा स्पीड में। या फिर अपन ये बोल सकते
हैं बॉल जो है ये मोमेंटम पकड़ लेगी। अपनी स्पीड पकड़ लेगी नीचे आते समय। आई होप आपको समझ आ रहा है। ठीक है? अब उन्होंने
यही सोचा कि यार अगर आपका एक पॉइंट यहां पे स्टार्ट हुआ है या फिर अपन बोल सकते हैं ग्रेडियंट डिसेंट में क्या होता है?
दिस इज़ योर लॉस एंड दिस इज़ योर x या फिर आप बोल सकते हो आपके वेट्स हैं। ठीक है? तो अब जब उन्होंने वेट्स को सेट किया और
आपका लॉस यहां पे आ रहा है। नाउ यू वांट टू गो डाउनवर्ड्स। और अगर यहां पे एक बॉल रख दोगे तो स्टार्टिंग में तो धीरे जाएगी
लेकिन जब ये मोमेंटम पकड़ लेगी तो बहुत तेज नीचे तक पहुंच जाएगी। सो दिस इज़ द बेस कांसेप्ट जिन लोगों ने सोचा। नाउ अब ये
सोच तो लिया लेकिन अगर मैं मैथ्स की बात करता हूं लेट्स से तो यहां पे आपको फिजिक्स अप्लाई करनी पड़ेगी और फिजिक्स ये
बोलती है कि मोमेंटम इज इक्वल्स टू आप ये बोल सकते हो मास * वेलोसिटी या फिर सिंपल सी फिजिक्स लगा रहा
हूं मास * वेलोसिटी ये फार्मूला आप सभी को पता होगा क्योंकि
अगर आपने थोड़ा बहुत भी 11 12th में मैथ्स पढ़ा है तो आता होगा। ठीक है? सो व्हाट आई एम ट्राइंग टू टेल यू इज सोचो कि डीप
लर्निंग में भी उन्होंने सोचा कि लेट्स ट्राई फिजिक्स और फिजिक्स का एक कांसेप्ट लगा के एक मोमेंटम क्रिएट करते हैं। अब
मोमेंटम क्रिएट करने की बात आई थी। लेकिन अगर मैं मास की बात करता हूं तो मास तो अपने पास कोई है ही नहीं। क्यों नहीं है
मास? क्योंकि ऑब्वियसली भैया ये तो अपना एक न्यूरल नेटवर्क है। न्यूरल नेटवर्क में कहां से मास आएगा? वेलोसिटी के लिए कुछ
चीजें अपन ऐड कर सकते हैं। सो द बेस कांसेप्ट वाज़ ये देख लो। यहां पे मैं आपको सिंपल भाषा में बताऊंगा। बहुत ध्यान से
समझना। ठीक है? सो द बेस कांसेप्ट वाज़ कि स्टार्ट थोड़ा सा रफ हो सकता है लेकिन फिर धीरे-धीरे धीरे-धीरे अपन मोमेंटम पकड़
लेंगे और सीधे ग्लोबल मिनीमा पे पहुंच जाएंगे। सो दिस इज़ गोइंग टू बी द नाउ द कर्व या फिर आप बोल सकते हो दिस इज़ गोइंग
टू बी हाउ वी आर गोइंग टू अ जस्ट गो टू द मिन ग्लोबल मिनीमा पॉइंट। आई होप आपको समझ आ रहा है। ठीक है? तो अब इस चीज़ के लिए
अपन लोगों ने देखा ग्रेडियंट डिसेंट का फार्मूला। सो द ग्रेडियंट डिसेंट फार्मूला वाज़ wt1 या फिर चलो मैं एक बार WT1 की जगह
सिंपली लिख देता हूं। वैसे क्या था? w ओल्ड W न्यू लिखना था। w न्यू = W ओल्ड माइनस क्या था भैया? जल्दी से बता दो।
माइनस लर्निंग रेट विद डेरिवेटिव ऑफ़ लॉस डिवाइडेड बाय डेरिवेटिव ऑफ़ W ओल्ड। सो दिस वाज़ द फार्मूला। ठीक है? क्या इसको अपन ये
बोल सकते हैं कि भैया नया जो आपको मिलने वाला है वो है wt + 1 = wt या फिर मैं बोल सकता हूं जो अभी करंट ट्रेनिंग वेट चल रहा
है उसकी जगह +1 या फिर आप बोल सकते हो जो नया ट्रेनिंग वेट होगा उसको अपन निकाल रहे हैं। ठीक है? दिस कैन बी द फार्मूला और आप
यहां पे लिख सकते हो माइनस लर्निंग रेट ऑफ़ w डेल्टा डेल्टा या फिर आप ये बोल सकते हो ग्रेडियंट डिसेंट का साइन है w ग्रेडियंट
डिसेंट साइन w ठीक है नॉट w यू कैन से ग्रेडियंट डिसेंट ऑफ़ w क्यों क्योंकि भैया मैं आपके वेट्स का ग्रेडियंट डिसेंट निकाल
रहा हूं। इसी को शॉर्ट फॉर्म में अपन ने इस तरीके से लिखा है। अब इन लोगों ने बोला कि इफ यू वांट टू ऐड मोमेंटम तो मोमेंटम
ऐड करने के लिए यू कैन जस्ट कंस्ट्रक्ट दिस फ़ूला लाइक दिस। जहां पे लिखा है wt + 1 = वेट ऑफ़ t करंट वेट - वेलोसिटी ऑफ़ t या
फिर आप बोल सकते हो अब आप यहां पे एक नया टर्म ऐड कर रहे हो एंड दैट इज़ वेलोसिटी। अब वेलोसिटी क्या है भैया? ये जो V ऑफ़ T
है ये कैसे निकालेंगे? सो इसको अगर थोड़ा सा भी इलैबोरेट करूंगा तो ये इसका फार्मूला कुछ ऐसा होता है। वेलोसिटी ऑफ़ T
इज़ इक्वल्स टू B दिस इज़ दी हाइपर पैरामीटर। और यू कैन से यू वांट टू ऐड सम मास। अब वो मास की वैल्यू तो अपने को
मिलने नहीं वाली। सो वी आर जस्ट एडिंग अ b टर्म्स या फिर आप बोल सकते हो एक हाइपोपेरामीटर ऐड करेंगे b और उसके बाद
इंटू कर देंगे वेलोसिटी ऑफ़ T. नाउ व्हाट इज़ द वैल्यू ऑफ़ वेलोसिटी? अपन 0.09 विल बी द वैल्यू ऑफ़ वेलोसिटी जो अपन प्लेस कर
सकते हैं। यूजुअली इतनी होती है। ठीक है? तो वेलोसिटी ऑफ़ t से मल्टीप्लाई कर देंगे -1 + लर्निंग रेट डेल्टा ऑफ़ w ऑफ़ t वही
सारी चीजें सेम। ठीक है? सो दिस इज़ द इबोरेटेड वर्जन ऑफ़ V ऑफ़ T और इस वाले फॉर्मूले से अगेन अब आप ग्रेडियंट डिसेंट
कैलकुलेट करोगे लेकिन मोमेंटम के साथ। सो व्हेन यू आर डूइंग वि द मोमेंटम तो आपका स्पीड बहुत तेज़ आएगी। तो पहले बहुत ज्यादा
नॉइज़ कैप्चर हो रही थी सारी चीजों में। तो उन्होंने बोला मोमेंटम विद एचसीडी यूज़ करो तो अब आपकी नॉइज़ भी कैप्चर नहीं होने
वाली। सो दिस इज़ द बेस कांसेप्ट ऑफ यूजिंग दिस थिंग। ठीक है? अब भैया आपने बता तो दी लेकिन इसको इंप्लीमेंट करने का क्या तरीका
है? बहुत सिंपल है। लेट मी शो यू हाउ यू कैन इंप्लीमेंट इट। सबसे पहले तो सबसे नीचे लिख रहा हूं। ठीक है? यहां पे मैं
कुछ बना नहीं रहा हूं। जस्ट आई एम गोइंग टू शो यू कि हाउ टू राइट फ्रॉम टेंसर फ्लो डॉट कैरास डॉट कैरास इंपोर्ट
ऑप्टिमाइज़र्स। ठीक है? इंपोर्ट ओ पी टी आई एम आई जेड ई आर एस ऑप्टिमाइज़र्स। आई होप आपको समझ आ रहा है। कनेक्ट होगा वो थोड़ा
सा टाइम लग रहा है। लेट इट कनेक्ट। ये चीज बहुत दिक्कत होती है। इतनी ज्यादा जुकाम हो रहा है। मुझे
कसम से बता रहा हूं। भाइयों प्लीज लाइक कर दो इस वीडियो को जब तक यह हो रहा है। जब तक यह रन कर रहा है जल्दी से लाइक कर दो।
ओके? सो दैट्स इट। ये देखो ये भैया इंपोर्ट हो चुका है ऑप्टिमाइज़र्स। और अब आपको लिखना पड़ेगा ओपीटी या फिर आप बोल
सकते हो कोई भी वेरिएबल का नाम जो कि आपका ऑप्टिमाइजर का काम करेगा। ठीक है? ओटी इज़ इक्व ऑप्टाइजर्स।
एक मच्छर आ गया बहुत बड़ा। ठीक है? OPT = ऑप्टिमाइज़र्स डॉट आप यह बोल सकते हो ऑप्टिमाइज़र्स डॉटs जी डी व्हाट इज दिस
स्टोकास्टिक ग्रेडियंट डिसेंट और इसके अंदर अब मैं लर्निंग रेट लिखूंगा। ठीक है? लर्निंग रेट लर्निंग रेट अंडरस्कोर रेट और
वो कितना लिखने वाला हूं मैं? लर्निंग रेट इक्व 0.01 इतना ही लिखते हैं। वही लर्निंग रेट तो
आपको पता है। कॉमा लगा के अपने को एक और चीज लिखनी पड़ेगी। एन मोमेंटम एम ओ एम ओ एम ई एंड आ जाएगा।
t यम आई गेस अब आ जाना चाहिए। मोमेंटम इक्व 0.9 या फिर आप बोल सकते हो जो वेलोसिटी ऐड कर रहे थे अब आपने मोमेंटम और
वेलोसिटी ऐड कर दिया। ऑप्टिमाइजर्स अब ठीक है। ठीक है। देयर यू गो। सो नाउ दिस बिकम योर ऑप्टिमाइजर जिसमें आपने
मोमेंटम और ये सब चीजें ऐड कर दी हैं और इसको अपन बोलते हैं मोमेंटम विद स्टोकास्टिक ग्रेडियंट डिसेंट। अब आप इसको
यूज़ कर सकते हो विद द बैच साइज। यही सारी चीजें वापस से लिखनी है। और जब आप मॉडल में ऑप्टिमाइजर्स का यूज़ करोगे तो यहां पे
क्या यूज़ करना पड़ेगा आपको? ओपीटी यूज़ करना पड़ेगा। क्यों? क्योंकि यू हैव क्रिएटेड वन ऑप्टिमाइजर यूजिंग दिस थिंग। आई होप आपको
समझ आ रहा है। ठीक है? तो अब इतनी ज्यादा मैथ्स में मत जाना। यू डोंट हैव टू लर्न फिजिक्स और मैथ्स। जस्ट आपको एक कॉमन सेंस
होना चाहिए कि क्या किसका क्या काम है। अह सिंपल ग्रेडियंट डिसेंट क्यों नहीं यूज़ कर सकते थे? सबसे बेस्ट था क्योंकि भैया इतनी
पावर नहीं है अपने सिस्टम के पास। फिर स्टॉकस्टिक ग्रेडियंट डिसेंट क्यों नहीं कर सकते? बहुत ज्यादा नॉइज़ है। फिर ये जो
मिनी बैज ग्रेडियंट डिसेंट है इसमें नॉइज़ कम हुई लेकिन स्टिल नॉइज़ कैप्चर हो रही है। कर सकते हैं इसको यूज़। और फिर मोमेंटम
विद एस एसडी यूज़ कर दिया। तो तो क्या हुआ? सारी नॉइज़ ही खत्म हो गई और सीधे अब आप ग्लोबल मिनीमा पे पहुंच पा रहे हो। ठीक
है? सो एव्री ईच एंड एव्री ऑफ़ दीज़ वर वेरी ग्रेट। काफी अच्छा काम कर रहे थे। लेकिन इसके बाद भी रिस्चरर्स शांत शांत नहीं
बैठे एंड देन दे क्रिएटेड समथिंग नोन एज एग्रैड एंड एडमम। और उन दोनों को देखते हैं और समझते हैं क्या है इनका यूज़। अब आप
सब लोगों को लग रहा होगा अब रिसर्चरर्स रुक गए होंगे। उन्होंने मोमेंटम भी ऐड कर दिया। ग्रेडियंट डिसेंट में सब कुछ कर
दिया। एंड फाइनली दिस इज़ द फाइनल प्रोडक्ट। नो। अब इसके बाद और रिसर्च निकली और रिसर्च पेपर्स आए और उसमें एक और
चीज निकली एंड दैट इज़ एडाइड। अब समझते हैं व्हाट एक्चुअली एडाइड इज़। और एडाइड थोड़ा सा डिफरेंट था और इस बस अभी आपको समझ
आएगा। बहुत इंटरेस्टिंग। ठीक है? तो लेट्स से एक और चीज थी एड ग्रैड और इसका फुल फॉर्म था एडप्टिव
ग्रेडियंट डिसेंट। एडप्टिव ग्रेडियंट डिसेंट। अब जल्दी से मुझे बताओ व्हाट डू यू थिंक
एडप्टिव का मतलब क्या होता है? एडप्टिव मतलब कि आई कैनप्ट। आई कैनप्ट विद एनी नेचर। फॉर एग्जांपल इफ आई एम राइडिंग अ
कार लेट्स से मैं Alto चला रहा हूं। और फिर मेरे को कोई एकदम से दे देगा Baleno या फिर कोई मेरे को दे देगा। लेट्स से
Nexon दे देगा। सो आई कैन राइड दोज़ व्हीकल्स। तो इसको बोलते हैं एडप्टेशन। मतलब आई कैन अप्ट विद मल्टीपल व्हीकल्स
एंड आई कैन राइड मल्टीपल व्हीकल्स। आई होप आपको ये चीज़ समझ आ रही होगी। राइट? तो अब एडप्टिव ग्रेडियंट डिसेंट का मतलब ये है
कि जो अपने पास फार्मूला था। सो लेट्स से एक फार्मूला लिख लेता हूं। एंड दैट इज़ w ऑफ़ t = w ऑफ़ t - 1 या फिर ये वाला है नया
वाला मैं वेट निकालना चाहता हूं। और ये जो है ये पिछला वाला वेट है। ठीक है? माइनस ओल्ड वेट। और इसके अंदर अपन लोग एक यूज़
करते थे लर्निंग रेट। लर्निंग रेट के बाद मैं लिखता था डेरिवेटिव ऑफ लॉस डिवाइडेड बाय डेरिवेटिव ऑफ़ व्हाट? डेरिवेटिव ऑफ़
ऑब्वियसली wt - 1। सो दिस इज़ अ वेरी बेसिक फार्मूला और इसका अपन यूज़ करते आ रहे थे। लेकिन व्हाट अबाउट दिस लर्निंग रेट? भैया?
ये जो लर्निंग रेट है, ये एक सेट रहता था। फॉर एग्जांपल 0.01 मैंने सेट कर लिया। और ये क्या रहता था? कांस्टेंट रहता था। ठीक
है? मतलब पूरे जितना भी अपन लोग जितनी बार भी ट्रेनिंग कर रहे हैं सब कुछ कर रहे हैं। ए्री टाइम दिस थिंग इज़ कांस्टेंट।
ओके भैया ये कांस्टेंट रह रहा है। अब अपन लोगों ने क्या किया आफ्टर अंडरस्टैंडिंग दिस एडप्टिव ग्रेडियंट डिसेंट तो उन्होंने
ये बोला कि ये जो लर्निंग रेट है ये लर्निंग रेट को अपन इंक्रीज और डिक्रीज भी कर सकते हैं। मतलब मैं समझा रहा हूं। मान
लो दिस इज़ योर ग्रेडियंट डिसेंट कर्व। ये लो भैया ये बन गया अपना ग्रेडियंट डिसेंट कर्व। ठीक है? अब मान लो आई एम एट करेंटली
दिस पॉइंट। ओके? सो अब दिस पॉइंट से मुझे कहां जाना है? यहां इस पॉइंट पे जाना है या फिर आई हैव टू रीच द ग्लोबल मिनीमा
पॉइंट। सो ग्लोबल मिनीमा पॉइंट पे पहुंचने के लिए आई कैन गो एट अ लीनियर स्पीड या फिर आप बोल सकते हो एक सेम स्पीड पे मैं
नीचे जाऊंगा और वो स्पीड पूरी-पूरी डिपेंड करती है आपके लर्निंग रेट पे। लेट्स से आपने लर्निंग रेट को 0.01 की जगह 0 पॉइंट
लेट्स से वन या टू रख दिया तो ये क्या होगा? बिल्कुल इधर इधर इधर इधर ऐसे-ऐसे करके वो कंफ्यूज हो जाएगा। ठीक है? सो
ऑब्वियसली आप लर्निंग रेट को थोड़ा सा छोटा ही रखते हो। लेकिन व्हाट इफ आई नो कि यार मैं यहां से इस वाले पॉइंट तक जाऊंगा।
फिर इस वाले पॉइंट तक जाऊंगा। फिर इस वाले पॉइंट तक जाऊंगा। अगर मेरा लर्निंग रेट सेम हुआ बट व्हाट इफ मैं मेरे को पता है
जब मुझे जाना ग्रेडियंट डिसेंट पे ग्लोबल मिनीमा की तरफ है तो पहला स्टेप मैं थोड़ा बड़ा ले लूं फिर दूसरा स्टेप और बड़ा ले
लूं और नहीं और बड़ा नहीं थोड़ा सा उससे छोटा ले लूं और फिर तीसरा स्टेप और छोटा और छोटा और छोटा और फिर एक ग्लोबल मिनीमा
पॉइंट तक पहुंच जाओ मतलब स्टार्टिंग में लर्निंग रेट को थोड़ा सा इंक्रीमेंट रखेंगे बड़ा रखेंगे और जैसे-जैसे अपन
ग्लोबल मिनीमा में पहुंचेंगे अपने लर्निंग रेट को कम कर देंगे। सो दिस वाज़ द होल थ्योरी अबाउट एडा ग्रेड। और अब क्या किया
इन लोगों ने? दे जस्ट यूज़ दिस फार्मूला। और इसमें एक चीज चेंज कर दी। एंड दैट इज़ दे यूज़्ड अनदर लर्निंग रेट। या फिर आप यह
बोल सकते हो नाउ आफ्टर एड्रेड द फार्मूला बिकम w ऑफ़ t = w ऑफ़ t - 1 - लर्निंग रेट और यहां पे अल्फा ओ सॉरी अल्फा बोल रहा
हूं। डेरिवेटिव ऑफ़ लॉस डिवाइड बाय डेरिवेटिव ऑफ़ w ऑफ़ t - 1 और यहां पे बस एक चीज़ लग गई। दैट इज़ दिस साइन। नाउ अब ये जो
बनाया लर्निंग रेट। ये लर्निंग रेट थोड़ा सा डिफरेंट था। फिर आप बोल सकते हो दिस लर्निंग रेट वाज़ एडप्टिव। अब एडप्टिव कैसे
था ये लर्निंग रेट? समझना। अब इसको मैं थोड़ा सा एक्सपेंड करूंगा। व्हाट दे डिड इन दिस लर्निंग रेट इज़ दे क्रिएटेड दिस थिंग
जहां पे आपका जो पुराना लर्निंग रेट है उसको अपन यूज़ करते थे और उसको डिवाइड करते थे किससे? अंडर रूट ऑफ़ अलफा
+ E. अब ये जो है e दिस इज़ एप्सलॉन। ठीक है? अब मैं आपको समझाऊंगा व्हाट आर दीज़ थिंग्स? तो सबसे पहले तो इफ यू डोंट नो
व्हाट इज़ दिस? दिस इज़ एप्सलॉन। एंड व्हाट इज़ एप्सिलॉन? एप्सिलॉन इज़ अ वेरी स्मॉल वैल्यू जिसका अपन यूज़ कर सकते
हैं। नाउ लेट मी टेल यू व्हाई दे यूज़ दिस एप्सॉन वैल्यू। मान लो अगर अपने पास ये जो अल्फा T है मैं समझाऊंगा क्या होता है।
इसकी वैल्यू अगर गलती से ज़ीरो हो जाती है और अगर किसी भी वैल्यू को आप ज़ीरो से डिवाइड करते हो तो वो वैल्यू क्या हो जाती
है? नलिफाई हो जाती है या फिर खत्म हो जाती है। ठीक है? या फिर अनडिफाइंड वैल्यू आती है। इनफाइनाइट वैल्यू आ सकती है। तो
इसलिए भैया उस चीज से बचने के लिए आई ऑलवेज ऐड दिस स्मॉल वैल्यू एंड दैट इज़ एप्सलॉन। आई गेस आपको ये समझ आ रहा होगा।
फिर इसके बाद ये जो अल्फा T है ये क्या है? इसको भी अपन एक्सपैंड करके देखते हैं। लेट्स सी व्हाट दिस apha t इज़। apha t =
समेशन ऑफ़ t i = 1 और ये बोल सकते हैं अपन लर्निंग रेट या फिर आप बोल सकते हो डेरिवेटिव ऑफ़ l अ लॉस डिवाइडेड बाय
डेरिवेटिव ऑफ़ w ऑफ़ t का होल स्क्वायर। नाउ व्हाट इज़ दिस t? T मतलब ये रहता है कि करंट वेट्स कितने हो रहे हैं। फॉर
एग्जांपल लेट्स से आप एक न्यूरल नेटवर्क के अंदर हो। ठीक है? सो, लेट्स से दिस इज़ योर न्यूरल नेटवर्क एंड इंसाइड दिस न्यूरल
नेटवर्क यह सब एक दूसरे से ऑब्वियसली कनेक्टेड हैं। यह तो चीज़ आपको पता ही होगी। ठीक है? सो, ईच एंड एव्री न्यूरल
नेटवर्क इज़ कनेक्टेड विथ ईच अदर। एंड व्हाट हैपेंस इज़ इफ यू आर एट दिस पोजीशन। ठीक है? एंड यू आर डूइंग बैकवर्ड
प्रोपगेशन। ऑब्वियसली ऑप्टिमाइज़र्स क्या करते हैं? आपके बैकवर्ड प्रोपगेशन ही करते हैं। ठीक है? एंड यू आर एट दिस पोजीशन। तो
ये जितने भी सारे वेट्स हैं इन सारे ही वेट्स का समेशन लेंगे अपन और उन सभी का लॉस निकालेंगे और ट्रांसपोज ऑफ या फिर आप
ये बोल सकते हो लॉस निकालेंगे और डेरिवेटिव ऑफ आप बोल सकते हो सारी वेट्स का डेरिवेटिव्स एंड सारे लॉसेस का
डेरिवेटिव्स सारे लॉस क्या होता है एक लॉस का डेरिवेटिव निकलेगा ठीक है सो दिस इज़ दिस फार्मूला अब एक बात बताओ दिस इज़ अ
गारंटी कि ये जो फार्मूला है ये जैसे-जैसे आगे बढ़ेगा फॉर एग्जांपल इफ आई एम एट दिस लेयर तो इसकी वैल्यू थोड़ी बड़ी आएगी इफ आई
एम एट दिस लेयर इसकी वैल्यू वैल्यू थोड़ी सी छोटी आएगी। अगर मैं इस लेयर पे हूं तो और छोटी वैल्यू आएगी। तो जैसे-जैसे मैं
आगे बढ़ता जाऊंगा इन बैकवर्ड प्रोपगेशन ये वैल्यू बड़ी होती जाएगी या फिर इनक्रीस होती जाएगी। एंड व्हाट डू यू थिंक अगर ये
वैल्यू इनक्रीस होती जाएगी, बड़ी होती जाएगी तो क्या होगा? यहां पे इसका डिनोमिनेटर भी बड़ा होता जाएगा। एंड इफ
डिनोमिनेटर इज बड़ा या फिर आप बोल सकते हो इफ द डिनोमिनेटर इज़ बिग। तो आप जल्दी से बताओ आपका न्यूमैरेटर की वैल्यू क्या
होगी? ऑब्वियसली कट होने के बाद स्मॉल हो जाएगी। सो दैट मींस अब इसके बाद आपके जो लर्निंग रेट है वो डिक्रीज होता जाएगा। सो
इफ यू स्टार्ट एट 0.01 देयर इज़ अ पॉसिबिलिटी नेक्स्ट टाइम 0.002 हो जाए। फिर हो सकता है 0.0001
हो जाए लर्निंग रेट और ऐसे कम होता जाएगा। सो दिस इज़ द होल आइडिएशन बिहाइंड एडाइट। नाउ ऑब्वियसली आई एम नॉट हियर टू टेल यू द
मैथ्स। क्योंकि अगर मैं मैथ्स बताना भी चाहूं लेट मी शो यू वन रिसर्च पेपर। ठीक है? कि ये जितनी भी चीजें बनाते हैं लोग
ये जिन्होंने भी ग्रेडियंट डिसेंट के ऊपर इतना सारा काम किया एक रिसर्च पेपर आप देखो किस तरीके से बनता है। आई वांट यू टू
शो दिस थिंग। ठीक है? सो दिस इज़ द रिसर्च पेपर दैट इज़ एडप्टिव सबग्रेडिएंट मेथड्स फॉर ऑनलाइन लर्निंग ऑफ स्टॉकस्टिक
स्टोकास्टिक ऑप्टिमाइजेशन। ठीक है? सो दिस वाज़ क्रिएटेड बाय आई गेस इजराइल इंस्टट्यूट ऑफ़
टेक्नोलॉजी में बना था। एंड काफी ज्यादा खतरनाक था। और अगर अब आप इसका एब्स्ट्रैक्ट पढ़ोगे उसमें वही सारी चीजें
लिखी हुई है कि क्या इन लोगों ने चेंज करने का कोशिश करी थी। ठीक है? द एडप्टिव ग्रेडियंट एल्गोरिथम। सो आप जैसे ही सबसे
पहले तो देखोगे डेल्टावेल्टा के साइन को आपको समझ ही नहीं आएगा क्योंकि यहां पे लगती है मैथ्स। एंड इट्स अ वेरी मैसिव एंड
ह्यूज रिस्पेक्ट टू दीज़ रिसर्चरर्स जिन्होंने इतना डे एंड नाइट काम किया और फाइनली इतनी खतरनाक एल्गोरिथम्स बनाई। और
इन्हीं रिसर्च पेपर्स की वजह से इन्हीं एल्गोरिथम्स की वजह से टुडे वी आर एक्सपीरियंसिंग चैट जीपीटी जो आप यूज कर
रहे हो। टुडे वी आर सीइंग दिस एआई वर्ल्ड बिकॉज़ ऑफ़ दीज़ रिसर्चर्स। सो इन्होंने दिन एंड रात काम करके ये सब चीजें क्रिएट करी
है। तो मतलब आप देख सकते हो व्हाट इज दिस? आपको खुद समझ नहीं आएगा। इवन मेरे को कभी-कभी दिक्कत हो जाती है। कभी-कभी क्या
कई बार ऐसी दिक्कत होती है कि व्हाट आर दी साइंस? नाउ बाय द वे वैसे अब जैसे इजरायल में बना था तो उनके थोड़े से साइंस डिफरेंट
होते हैं इन रेस्पेक्ट टू द अमेरिकन मैथमेटिक्स। अब वो थोड़ा सा डिफरेंशिएशन होता है ऑब्वियसली। लेकिन आप देख सकते हो
भाई क्या-क्या करते रहते थे भाई मतलब बहुत खतरनाक। ठीक है? सो दीज़ आर ऑल द रिसर्च पेपर्स एंड दिस इज़ द पेज 218। दैट्स मींस
देयर आर थाउजेंड्स एंड थाउजेंड्स ऑफ रिसर्च दैट आर गोइंग ऑन। एंड व्हाट डू यू थिंक एआई रिसर्चरर्स आर? दिस इज़ व्हाट एआई
रिसर्चरर्स जॉब इज़। दे हैव टू अप्ट देमसेल्व्स। दे हैव टू मेक न्यू चेंजेस। दे हैव टू अ जस्ट टेक द ह्यूमन मैनकाइंड
या फिर आप बोल सकते हो ह्यूमैनिटी को आगे ले जाने के लिए ये सब चीजें करते हैं। सो दीज़ आर द मैथ्स दैट दे हैव डन बहुत खतरनाक
मतलब आई गेस प्राइमल ड्यूल सबग्रेडेड अपडेट क्या-क्या चीजें कर रहे हैं और हमारा काम क्या है? यही सारी चीजों को
शॉर्ट में इस तरीके से आपको समझाना जिससे आपको पूरे रिसर्च पेपर ना पढ़ना पड़े। लेकिन इफ यू हैव टाइम इफ यू आर इन फर्स्ट
एंड सेकंड ईयर ट्रस्ट मी गाइस रीड दीज़ रिसर्च पेपर्स। सबसे पहले तो मैथ्स इंप्रूव होगी। साथ में रिसर्च पता लगेगी।
कैसे क्या था? पूरी स्टोरी लाइन पता लगेगी। हाउ दे एक्चुअली अपग्रेडेड देम। आई गेस आपको समझ आ रहा है। ठीक है? सो दिस इज़
व्हाट एडाइड इज़। अब हुआ क्या? ये जो एडाइड था ये तो बढ़िया था। लेकिन इसमें एक चीज मिसिंग थी। एंड दैट वाज़ मोमेंटम मिसिंग
था। ठीक है? अगेन हां आप बिल्कुल सही बोल रहे हो भैया। एड्रड में आपने क्या किया? बस लर्निंग रेट को शिफ्ट किया या फिर इस
लर्निंग रेट का जो कीवर्ड था उसको शिफ्ट किया। ओके? इसी को कन्वर्ट कर सकते हैं क्या अपन? नहीं नहीं करना। ठीक है? सो दे
कन्व्टेड दिस लर्निंग रेट। लेकिन अब क्या हुआ? थोड़ा और रिसर्च हुई और लोगों ने बोला कि नहीं यार इसमें मोमेंटम की मिसिंग है।
मतलब ये लर्निंग रेट तो ऊपर नीचे जाता जाएगा। यू आर एग्जैक्टली राइट। लेकिन स्टिल विदाउट द मोमेंटम ये आपका कुछ ऐसा
ऐसा ऐसा ऐसा ऐसा ऐसा करके जाएगा और आखिरी में थोड़ा सा तेज हो जाएगा क्योंकि आपका लर्निंग रेट स्टार्टिंग में तेज रहेगा। सो
यू कैन से यह कुछ ऐसा बनेगा। ये देखो ये ये और कम लर्निंग रेट होता जाएगा होता जाएगा होता जाएगा होता जाएगा और अब ऐसे
कहीं जाके नीचे पहुंचेगा। सो इस चीज को और इंप्रूव करने के लिए क्या किया? अब आता है सबसे खतरनाक चीज एंड दैट इज एडमम
ऑप्टिमाइजर। व्हाट इज दिस एडमम ऑप्टिमाइजर? अब ज्यादा कुछ नहीं बताऊंगा इसके बारे में
क्योंकि इट्स अ न्यूली थिंग। या फिर आज की तारीख में डीप लर्निंग में हर जगह जितने भी लोग ज्यादातर यूज़ करते हैं, दिस इज़ द
ऑप्टिमाइजर दे यूज़। ठीक है? तो एडमम ऑप्टिमाइजर ने बोला कि आई एम गोइंग टू यूज़ एड्रड
और एड्रड में मैं एक और चीज ऐड कर दूंगा एंड दैट इज मोमेंटम। अब आप सोचो क्या किया उन्होंने?
दे यूज़्ड एड्रड। और एड्रड में उन्होंने मोमेंटम भी ऐड कर दिया। मतलब वही वेलोसिटी का ऐड कर दिया। एंड दैट्स इट। दैट्स हाउ
एडमम ऑप्टिमाइजर बिकम। और एडमम ऑप्टिमाइज इस बार काफी ज्यादा इंपॉर्टेंट है क्योंकि आने वाले जितने भी प्रोजेक्ट्स मैं
करवाऊंगा आगे और भी वीडियोस होंगी इवन सीएनए आए में भी मैं कई जगहों पे आपको एडमम ऑप्टिमाइजर ही यूज़ करके दिखाऊंगा। सो
लेट मी शोकेस द फार्मूला ऑफ़ एडमम ऑप्टिमाइजर फर्स्ट एडमम ऑप्टिमाइजर फ़ूला। सो
दिस इज़ द एडमम ऑप्टिमाइजर फ़ूला। ठीक है? तो एज यू कैन सी देयर इज अ वन वेट। अरे यार ये ओपन क्यों नहीं हो रही इमेज? व्हाट
हैपेंड? अ लेट्स डू वन थिंग। इससे पीछे ही चले जाते हैं। आई गेस नेट एकदम से थोड़ा सा
स्लो हो गया हमारा। ओके। सो, दिस इज़ द एडमम ऑप्टिमाइजर इमेज। आई गेस यू आर एबल टू सी इट। सो, आपने वही
चीज़ करी। w ऑफ़ t = w ऑफ़ t - 1 दैट इज़ ऑब्वियसली द न्यू वेट दैट यू वांट टू अपडेट। एंड ओल्ड वेट को आप माइनस करते हो।
और यह जो लर्निंग रेट है दिस टाइम दिस लर्निंग रेट इज नथिंग। या आप बोल सकते हो आपका एड ग्रेड है। या फिर आप यह बोल सकते
हो कि आपका जो लर्निंग रेट है वो खुद ब खुद इंक्रीस होगा और डिक्रीज होगा। और उसके बाद फिर आपने क्या किया? वेलोसिटी को
ऐड कर दिया। एंड यहां पे एप्सिलॉल डिस्टेंस को भी ऐड किया। वही एप्सिलॉल जो अपन ने अभी देखा था और ऊपर m ऑफ़ t। सो दीज़
आर द थिंग्स जो अपन लोगों ने आप देख सकते हो यहां पे भी लिखा है एडमम लेटेस्ट ट्रेंड इन डीप लर्निंग। तो एडमम
ऑप्टिमाइजर का काफी ज्यादा यूज़ होने लग गया था। अरे ये क्या हो गया? ठीक है। सो घूम फिर के व्हेन यू यूज्ड एडमम
ऑप्टिमाइजर तो एडमम ऑप्टिमाइजर में फाइनली यू अचीव्ड दिस थिंग। अगर आपका ग्लोबल मिनीमा पॉइंट यहां पे है। लेट्स सी दिस इज़
द ग्लोबल मिनीमा पॉइंट। इफ यू हैव द ग्लोबल मिनीमा पॉइंट राइट हियर एंड यू आर स्टार्टिंग फ्रॉम हियर। एंड आई वांट यू टू
टेल यू वन थिंग गाइस। प्लीज जो भी मैं नोट्स बना रहा हूं वो ट्राई करना बनाने के। एंड मैं काफी सारी चीजें बोलता हूं।
मैं लिखता नहीं हूं तो कोशिश करना उन सबको आप खुद से लिख सको और थोड़ा बहुत रिसर्च करके भी खुद से लिखना फ़ूलेज़ लिख लेना
अच्छे तरीके से क्योंकि बाद में जब आप इसको रिवाइज करोगे तो आपके लिए काफी ज्यादा सही रहेगा ठीक है सो व्हाट एडमम
ऑप्टिमाइजर डिड वाज़ मोमेंटम एडग्रेड सो इट विल लुक लाइक दिस इस तरीके से नीचे जाएगा अब सी इट सी इट सी इट गाइस दिस इज़ हाउ
फाइनल एडमम ऑप्टिमाइजर वर्क ये बड़े लीप्स फिर छोटे-छोटे लीप्स एंड फाइनली यू आर एड द ग्रेडियंट डिसेंट या फिर आप बोल सकते हो
सॉरी ग्लोबल मिनीमा पॉइंट। दिस इज़ हाउ योर एडमम ऑप्टिमाइजर वर्क। ठीक है? आई हैव शोन यू द फार्मूला। इसको आप लिख लेना क्योंकि
देखो बैकग्राउंड मैथ्स सीखने की इतनी ज्यादा जरूरत नहीं है। क्योंकि इस पॉइंट पे अब आपको जो चीज सीखनी है दैट इज़
जनरेटिव एआई आर्टिफिशियल इंटेलिजेंस में कैसे एलएलएम्स का यूज़ किया जाता है। कैसे वेबसाइट पे इंटीग्रेट किया जाता है वो सब
ज्यादाेंट है। सो इफ यू आर अ स्टूडेंट यू डोंट हैव टू जस्ट लर्न दिस मैथ्स। और आपको ये सब करने की जरूरत नहीं है। एंड इफ यू
आर एन एआई रिसर्चरर्स हु इज़ वाचिंग माय वीडियो। आई एम रियली सॉरी बिकॉज़ मैं यह सब नहीं करवा पाऊंगा और करवा पाने की बात
नहीं है। इफ आई गिव माय टाइम लेट्स से वन मंथ टू मंथ सॉरी वन ईयर टू ईयर थ्री इयर्स तो मैं फिर भी इन सब चीजों को समझ के आई
कैन मेक माय ओन रिसर्च पेपर बट आई एम नॉट हियर फॉर द रिसर्चेस आई एम हियर फॉर द डेवलपमेंट गाइस। आई गेस आपको समझ आ रहा
होगा। ठीक है? सो दैट्स इट। सो दीज़ आर सम ऑफ द ऑप्टिमाइज़र्स दैट यू मस्ट नो एंड आफ्टर लर्निंग ऑल द ऑप्टिमाइज़र्स ऑल द लॉस
फंक्शनंस दैट वी कैन यूज़ आफ्टर लर्निंग ऑल द लेट्स से एक्टिवेशन फंक्शनंस। अब आपको समझ आ रहा होगा किस तरीके से बनता है। एंड
इवन सीइंग दिस स्मॉल प्रोजेक्ट आपको थोड़ा बहुत क्लियर हो रही होंगी चीजें। ठीक है? नाउ अगेन आई वांट टू क्रिएट वन मोर
प्रोजेक्ट या फिर मैं बोल सकता हूं इट्स नॉट अ बिग प्रोजेक्ट। वो बिग प्रोजेक्ट मैं सीएनए, एएनए, आरएनए तीनों चीजों को
कंप्लीट करवाने के बाद करूंगा। बट फाइनली यू हैव लर्न मोस्ट ऑफ द थिंग्स एंड मोस्ट ऑफ द थिंग्स में क्या आता है?
ऑप्टिमाइज़र्स, लॉस फंक्शनंस एंड एक्टिवेशन फंक्शनंस। आपको ये सब चीजों के बारे में पता लग गया है। नाउ इट्स फाइनली टाइम टू
मूव टुवर्ड्स व्हाट? अ सिंपल प्रोजेक्ट ऑफ एएनएन या फिर बोल सकते हो आर्टिफिशियल न्यूरल नेटवर्क। एंड ट्रस्ट मी इन दिस
वीडियो मैं यहीं पे एंड कर दूंगा क्योंकि आई डोंट वांट टू गिव यू या फिर क्रम यू विथ द नॉलेज ऑफ ईच एंड एवरीथिंग इन अ
सिंगल वीडियो। नेक्स्ट वीडियो मैं डेडिकेटेडली बनाऊंगा सीएनएन के ऊपर या फिर आप बोल सकते हो कॉन्वकुशनल न्यूरल नेटवर्क
जिसमें अपन इमेज क्लासिफिकेशन एंड अदर टास्क कंप्लीट कर सकते हैं। सो विदाउट वेस्टिंग मच टाइम लेट्स मूव टुवर्ड्स दैट
प्रोजेक्ट एंड कंप्लीट इट। लेट्स गो। ओके नाउ लेट्स क्रिएट द प्रोजेक्ट व्हेयर वी विल इंप्लीमेंट एएनएन एंड परसेप्टों्स।
मैं दोनों को दिखाना चाहता हूं क्योंकि देखो स्टार्टिंग में अपन ने परसेप्टों्स भी पढ़ा और एएनएन भी पढ़ा। तो लेट्स सी कि
किस तरीके से इनको इंप्लीमेंट करते हैं। तो सबसे पहले तो आई वांट टू यूज़ सम बेसिक लाइब्रेरीज़ जो अपन हर बार करते हैं।
इंपोर्ट nपाई एज़ एनपी इंपोर्ट पंडाज़ एज़ पीडी इंपोर्ट मैट प्लॉट लिब डॉट पाई प्लॉट एस पीएलटी
एंड साथ में भैया इंपोर्ट सीबॉर्न एज़ सीबी ओ आर एनबर्न एज़ एसएस। ठीक है? तो ये बेसिक लाइब्रेरीज़ हैं। इनका अपन यूज़ करते ही
हैं। इसलिए इनको पहले ही अपन इंपोर्ट कर लो। ठीक है? कभी भी कुछ भी प्लॉटिंग करनी हो, नपाय पंडाज़ का यूज़ करना हो, सो वी कैन
यूज़ देम। नाउ आई वांट टू गिव यू द नेक्स्ट सेट ऑफ़ लाइब्रेरीज़ एंड द नेक्स्ट सेट ऑफ़ लाइब्रेरीज़ आर आप बोल सकते हो एक चीज़ एंड
दैट इज़ वार्निंग। इसको भी इंपोर्ट कर लेते हैं। क्योंकि कई बार अपन जब कुछ चीजों को लिखते हैं, तो एक वार्निंग आ जाती है। तो,
उस चीज को रिमूव करने के लिए वार्निंग्स को अपन यूज़ कर सकते हैं। और यहां पर लिख सकते हैं वार्निंग्स।
डॉट रिमूव रिमूव था या फिर क्या था? फिल्टर वार्निंग था। फिल्टर
वार्निंग और यहां पे अपन कर देंगे क्या? इग्नोर। दैट्स इट। ठीक है? अब इसके बाद नेक्स्ट
सेट ऑफ लाइब्रेरीज़ को इंपोर्ट करते हैं। जिनका अपन यूज़ करेंगे। ट्रेन टेस्ट स्प्लिट जैसे या फिर अपन लोग टेंसर फ्लो
का यूज़ करेंगे, कैरास का यूज़ करेंगे, प्री प्रोसेसिंग करेंगे, लीनियर मॉडल्स भी बनाएंगे। सब कुछ के लिए अपन लोग यहां पे
यूज़ कर लेते हैं फ्रॉम एसके लर्न या फिर एसके लar डॉट मॉडल सेलेक्शन मॉडल अंडरs
सेलेक्शन इंपोर्ट ट्रेन टेस्ट स्प्लिट वेरी सिंपल चलो ठीक है भैया फिर ट्रेन टेस्ट स्प्लिट के बाद
और कोई सी लाइब्रेरीज़ इंपोर्ट करनी है फ्रॉम skar डॉट प्रीपिंग क्योंकि अपन लोग स्टैंडर्ड स्केलर और यह सब भी यूज़ करेंगे
फ्रॉम एसके learn डॉट प्री प्रोसेसिंग िंग प्री पी आर ओ सी ई डबल एस आई एन जी प्रोसेसिंग इंपोर्ट
लेबल एनकोडर लेबल एनकोडर और साथ में स्टैंडर्ड
स्केलर नाउ अब मैं ज्यादा आप लोगों का टाइम वेस्ट नहीं करना चाहता तो आई एम गोइंग टू यूज़ ऑल द लाइब्रेरीज़ हियर और
लिखूंगा मतलब अपने हाथ से लेकिन आपको एक मैं चुटकी बजाऊंगा और वह सारी आ जाएगी। ठीक है? देखना थ्री टू वन एंड बूम आपको
दिख गई होंगी सारी लाइब्रेरीज मैंने लिख दी हैं जो कि इंपॉर्टेंट है इस वाले प्रोजेक्ट के लिए एएनएन के लिए ठीक है तो
सबसे पहले तो आपको पता ही है ट्रेन टेस्ट प्लेट क्या करता है तो लिख दिया है सबके लिए नीचे थोड़ा-थोड़ा इन डिस्क्रिप्शन में
लिख दे आपको समझ आ जाएगा ठीक है लेबल इनकोडिंग एंड स्टैंडर्ड स्केलर आई गेस आपको पता है क्या होता है कैट डॉग को
न्यूमेरिक वैल्यूज़ में कन्वर्ट कर देगा जिसमें ज़ीरो एंड वन हो जाएगा ठीक है एंड स्टैंडर्ड स्केलर क्या करता है ज़ीरो और वन
का वेरियंस ले लेता है मीन एंड वेरियंस तो मतलब -3 और थ्री के बीच में सारी सारी वैल्यूज़ आ जाएंगी। ठीक है? एस्केल नॉट
लीनियर मॉडल परसेप्ट। नाउ दिस इज़ द थिंग जो अपन यूज़ करेंगे पहले मॉडल को ट्रेन करने के लिए और फिर वापस से मॉडल को ट्रेन
करेंगे। सिंपल लीनियर क्लासिफायर आप बोल सकते हो सिंगल लेयर न्यूरल नेटवर्क गुड फॉर बाइनरी क्लासिफिकेशन टास्क। ठीक है?
फ्रॉम एस्केल एंड ऑन मैट्रिक्स, एक्यूरेसी स्कोर, क्लासिफिकेशन रिपोर्ट, कंफ्यूजन मैट्रिक्स। दिस इज़ वेरी बेसिक। ये आपको
पता ही है क्या है। अब थोड़ा सा डीप लर्निंग की यूटिलिटीज़ भी यूज़ कर लेते हो। डीप लर्निंग यूटिलिटीज़ में सबसे पहला है
टेंसर फ्लो। और इसके बाद जब भी मैं कैरास का यूज करता हूं यहां पे नीचे ये एरर आता है लेकिन ये एरर की टेंशन मत लो वो काम
करता है। ठीक है? फिर उसने अपन लोगों ने सीक्वेंशियल लिया जिसमें अपन लेयर बाय लेयर लेयर बाय लेयर लीनियर फैशन में
न्यूरॉन नेटवर्क्स को क्रिएट कर पाएंगे। फिर अपन ने यूज़ किया डेंस। डेंस क्या होता है? एव्री एव्री न्यूरॉन्स कनेक्ट्स टू
एव्री न्यूरॉन इन द नेक्स्ट लेयर फुल्ली कनेक्टेड लेयर क्रिएट करने के लिए। फिर उसके बाद अपन ने ड्रॉप यूज़ किया। रैंडमली
ड्रॉप सम न्यूरॉन ड्यूरिंग ट्रेनिंग टू प्रिवेंट ओवरफिटिंग। देयर माइट बी अ केस ऑफ़ ओवरफिटिंग। तो उसके लिए अपन क्या कर
सकते हैं? ड्रॉप आउट का यूज़ करेंगे। आई एम नॉट श्योर यूज़ करेंगे कि नहीं करेंगे। लेकिन स्टिल देयर इज़ एन ऑप्शन। ठीक है?
एंड फाइनली भैया अपन लोगों ने टू कैटेगोरिकल करा। जैसे कि भैया अपने पास 0 1 2 है तो 01 0 1 0 या फिर 0 1 0 इस तरीके
से वो कैट डॉग और हॉर्स का मैंने एग्जांपल दिया था। याद करो क्योंकि अपन लोग जो प्रोजेक्ट करेंगे वो होगा आरिस प्रोजेक्ट।
नाउ यस यू माइट से भैया आरिस प्रोजेक्ट इज़ अ बेसिक प्रोजेक्ट। लेकिन ट्रस्ट मी जितना अभी सीखा है उसके हिसाब से पहले और अच्छे
से इंप्लीमेंट करना सीखो। फिर उसके बाद आने वाले समय में कुछ और अच्छे प्रोजेक्ट्स भी मैं लेके आऊंगा। चलो
स्टार्ट करते हैं। जस्ट वेट वन सेकंड। दैट्स इट। ओके। अब सबसे पहले तो अपने डेटा सेट को लोड करते हैं। नाउ आई एम नॉट श्योर
आरिस डेटा सेट कहां पे पड़ा है? आरिस मॉडल के अंदर पड़ा होगा। आई गेस यस iriss.csv इसको अपन लोग ओपन कर लेंगे। देयर यू गो।
CSV को ओपन कर लिया है। एंड नाउ लेट्स रीड दिस सीएसv डीएफ = pd डॉट रीड अंडरs cएसv आरिस डॉट सीएसv आई आर आई एस आईस डॉट सीएसv
आई हैव ऑलरेडी यूज़्ड पंडास डीएफ इक्व टू pd डॉट रीड सीएसv आरिस नो सच फाइल और डायरेक्टरी आरिस डॉट सीएसv दिस इज़ हियर
आरिस आई कैपिटल है शायद से माय बैड देयर यू गो ओके तो अपन लोगों ने भैया डेटा सेट को लोड कर लिया है डीएफ डॉट हेड देखूंगा
तो अपने पास दिख जाएंगे मल्टीपल चीज़ जैसे स्पीशीज़ दिख जाएगी। आयरिस, सिटोसा, आरिस, सिटोसा, सिटोसा स्पीशीज़ है एक। और ऐसी
बहुत सारी डिफरेंट-डिफरेंट स्पीशीज़ हैं। यू वांट टू सी हाउ मेनी स्पीशीज़ आर देयर? तो डीएफ के अंदर जो स्पीशीज़ है,
स्पीशीज़ में मैं लिख देता हूं डॉट आप लिख सकते हो वैल्यूज़। ठीक है? तो एक बार देख लेते हैं क्या वैल्यूज़ हैं। बहुत सारी हैं
आपके पास। और इसमें अगर अपन ने डॉट वैल्यू काउंट्स लिख दिए तो अपने को पता चल जाएगा कितनी कौन सी-कौ सी वैल्यू है। सी ओ यू एन
टी एस वैल्यू काउंट्स सी ओ यू एन टी एस काउंट्स वैल्यू काउंट्स लिख दिया एंड देयर यू गो यू हैव 50 50 ईच।
सो यू हैव ऑब्वियसली 150 वैल्यूज़ जिसमें सिटोसा की 50 है। वर्सिकलर की 50 है और वर्जनिका की 50 है। आई गेस आपको समझ आ रहा
है। ठीक है? फिर अब इसके बाद क्या करना है? इसके बाद अपन लोग थोड़ी बहुत और बेसिक चीज़ देख लेते हैं। df डॉट info। आई गेस ये
सब ज्यादातर चीजों की करने की जरूरत नहीं है क्योंकि ये ऑलरेडी प्रीबिड डेटा होता है जो कि अवेलेबल है अपने मल्टीपल
प्लेटफॉर्म्स पे तो उसकी टेंशन नहीं है। इसमें ज्यादा आपको डेटा को एनालाइज और विजुअलाइज़ करने की जरूरत नहीं है। नाउ द
मेन पार्ट इज़ फिर भी अगर आप थोड़ा बहुत चाहते हो तो थोड़ा बहुत आप बना सकते हो। जैसे कि SNS डॉट पेयर प्लॉट बना दिया अपन
ने। लेट्स से SNS डॉट पेयर प्लॉट बनाया। पूरे डीएफ को भेजा। यू लिख दिया ऑब्वियसली स्पीशीज को क्योंकि स्पीशीज के बेसिस पे
अपन देखना चाह रहे हैं एस पी ई सी आई ई एस स्पीशीज और यहां पे अपन लोगों ने एक और चीज कर दी केडी बनाने की जरूरत नहीं है
एंड दैट्स इट ये आप कर सकते हो कुछ बेसिक टास्क लेकिन जरूरत नहीं है क्योंकि आपका डेटा ऑलरेडी प्रीबिल्ट है अच्छी तरीके से
ठीक है सो ऐज़ यू कैन सी दिस इज़ योर डेटा एंड आई होप आपको ये दिख रहा होगा ठीक है ज़ूम मैंने करके रखा है ना राइट ओके सो दिस
इज़ योर डेटा और आप देख सकते हो अलग-अलग कलर्स हैं और एक चीज़ तो बिल्कुल ये ब्लू ब्लू तो हर जगह भाई डिफरेंशिएट हो रहा है
तो काफी आसान होगा इसको बनाना। तो अब इसके बाद अपन को क्या करना है? नाउ लेट्स क्रिएट द मॉडल। ठीक है? अब मॉडल क्रिएट
करने के लिए सबसे पहले तो आप लोगों को x और y कैटेगरीज़ बनानी पड़ेगी। x इक्व वेरी सिंपल डीf डॉट ड्रॉप कर दूंगा मैं एक चीज़
को। एंड दैट इज़ स्पीशीज़। और स्पीशीज़ को हटा के जितनी भी चीज़ हैं सब कुछ X के अंदर डाल दूंगा। तो अपन क्या लिखेंगे? सी ओ एल
यू एम एन एस कॉलम्स। और कॉलम्स में इक्वल्स टू अच्छा। एंड बाय द वे एक और चीज़ इफ यू सी दिस थिंग आपके पास आईडी भी है।
सो आई डोंट थिंक आपको आईडी की जरूरत है क्योंकि आईडी इज़ जस्ट न्यूममेरिक टर्म्स जो वन से लेके जब तक लिखेंगे तो यहां पे
इन सब चीजों की जरूरत है। तो स्पीशीज़ को और आईडी को मैं ड्रॉप कर दूंगा। सो क्या करूंगा? सबसे पहले तो df डॉट ड्रॉप कॉलम
सेलेक्ट करें और कॉलम सेलेक्ट करने के बाद एक ब्रैकेट के अंदर सिंपली अपन लिखेंगे spई
स्पीशीज को ड्रॉप करो और कॉमा लगा के एक आईडी को भी ड्रॉप कर दो। ठीक है? एंड एक्सिस = वन कर देंगे। ठीक है? तो x बन
गया और y भी बना ही लेते हैं इसी रो में। तो y = df ऑफ़ सिर्फ और सिर्फ अब मुझे क्या चाहिए? स्पीशीज़ ही चाहिए। एंड दैट्स इट।
ठीक है? तो x एंड y मेरे क्रिएट हो चुके हैं। अब भैया शेप कॉलम सब अपुन को पता है क्या होने वाला है। देयर आर 150 रोज़ और
150 रोज़ ही सारी डिवाइड होंगी X और Y के अंदर। अब अपन क्या करेंगे? वी विल पुट द लेबल एनकोडर एज़ वेल। ठीक है? सो व्हाट इज़
लेबल एनकोडर? ये आपको दिख रहा है? अब चलो मैं एक बार करके दिखाता हूं। फिर आपको और अच्छे से समझ आ जाएगा विद एग्जांपल। ठीक
है? सो, आई विल यूज़ एनकोडर इक्वल्स टू लेबल एनकोडर। ठीक है? अब व्हाट इज़ दिस लेबल एनकोडर? ये क्या करता है? है एनकोड्स
टारगेट लेबल्स विद वैल्यूज़ बिटवीन ज़ीरो एंड n क्लास वन। द ट्रांसफ़ेशन शुड बी यूज़्ड टू एनकोड टारगेट वैल्यूज़ दैट इज़ Y
नॉट द इनपुट X। ठीक है? ये गलत बोल रहे हैं। उल्टा बोल रहे हैं बल्कि X को करना चाहिए। y को नहीं करना चाहिए। नहीं सॉरी y
को करना चाहिए। X को नहीं सही बोल रहे हैं। ठीक है? तो y अंडरस्कोर आप बोल सकते हो इंटीजर इज़ इक्व एनकोडर
डॉट फिट ट्रांसफॉर्म। फिट अंडरस्कोर फॉर्म। ठीक है? अरे सिंपल सी बात है। वर्ड्स को आप 0 वन और टू में कर दोगे। ठीक
है? और फिर यहां पे पूरे को y को भेज दिया। लेट्स सी। और एक बार y इंटीजर देख लेते हैं। अब कैसा दिख रहा है? तो जो आपको
ये दिख रहे थे ना यहां पे ये बहुत सारे अलग-अलग आरिस, सेटोसा, सेटोसा, वर्सिकलर ये सब। तो अब ये क्या हो गया? ज़ीरो। ये हो
गया वन और ये हो गया टू। इट्स वेरी बेसिक। ठीक है? तो लेबल एनकोडिंग यही होती है। तो 50-50 ईच है। ये रहा 51। ये 50 सेकंड्स और
ये 50 थर्ड्स। ठीक है? अब अपने को क्या करना है? ट्रेन टेस्ट स्प्लिट करना है क्योंकि और किसी चीज़ को लेवल एनकोड करने
की जरूरत नहीं है। ऑलरेडी सब क्या है? न्यूममेरिक वैल्यूज़ में ही कनवर्टेड है। सो लेट्स डू द ट्रेन टेस्ट स्प्लिट नाउ
विद दी x एंड y वेरिएबल्स। तो कर देते हैं अपन यहां पे ट्रेन अंडरस्कोर टेस्ट स्प्लिट को जैसे ही
अपन कॉल करेंगे। यहां पे आपको नीचे ऑप्शन दिख जाएगा। एंड दैट इज़ वेयर इट इज़। यस ये रहा ट्रेन टेस्ट
स्प्लिट। जस्ट कॉपी दिस लाइन एंड पेस्ट इट राइट हियर एंड एक्स ट्रेन एक्स टेस्ट y टेस्ट y ट्रेन y टेस्ट ये चीज तो अपने को
आती है। एंड इसके बाद x और y भी भेज दिया। एंड x और y की जगह x और y आप इंट भेज देना। व्हाट इज़ दिस इंट? इंट वो है जिसमें
मैंने लेबल एनकोड करके रखा था। ठीक है? एंड देन रैंडम स्टेट आई गेस 20 रखते हैं। तो टू रैंडम स्टेट 42 और टेस्ट साइज़ 20 रख
लेते हैं। ठीक है? इज़ देयर एनी प्रॉब्लम? व्हाई इंट सही तो भेजा है। ओके हो गया। पता नहीं क्यों यहां पर एक
ऐसी लाल लाइन दिख रही थी। आई एम नॉट श्योर। चलो ठीक है। अब फाइनली आफ्टर डूइंग द ट्रेन टेस्ट स्प्लिट इसमें बस एक चीज और
करना चाहूंगा मैं। एंड दैट इज़ एस टी आर ए टी आई एफ वाई। स्ट्रेटिफाई लगा दूंगा। स्ट्रेटिफाई इसलिए लगा रहा हूं क्योंकि हो
सकता है जब आप ट्रेन टेस्ट स्प्लिट कर रहे हो। सारी लाइन से ये तो पता चला फर्स्ट इतनी सारी सिर्फ जो ज़ीरो है वही टेस्टिंग
में चली गई। ठीक है? तो आप वापस से ट्रेन टेस्ट स्प्लिट करो और स्ट्रेटिफाई अब क्या करता है? रैंडमली कई-कई से उठा के मतलब
ऐसा नहीं होता कि एक ही लेवल के सारी चीजें टेस्ट में चली गई और एक ही लेवल की सारी चीजें ट्रेनिंग में चली गई। तो उस
चीज से बचने के लिए यू यूज़ स्ट्रेटिफाई। ठीक है? अब इसके बाद एक और चीज करेंगे। एंड दैट इज़ अ स्केलिंग। स्टैंडर्ड
स्केलिंग करेंगे। क्योंकि मेरे को जहां तक पता है, जहां तक क्या पता है? यही होता है। जब भी अपन न्यूरल नेटवर्क्स को ट्रेन
करना चाहते हैं, यू डोंट वांट मल्टीपल सेपरेट वैल्यूज़। ठीक है? क्योंकि ये डायरेक्टली वेट से मल्टीप्लाई होती है और
ये थोड़ा सा वेटेड एवरेज निकालती है और बहुत सारी चीजें करती हैं। तो यहां पे अपन क्या करेंगे? इन सारी चीजों को एनकोड कर
देंगे। एनकोड या फिर आप ये बोल सकते हो इन सारी चीजों को स्केल कर देंगे एक वैल्यू पे। एंड फॉर दैट वी कैन यूज़ स्टैंडर्ड
स्केलर और मिन मैक्स स्केलर। सो आई एम यूजिंग स्टैंडर्ड स्केलर। ठीक है? स्केलर इज़ इक्वल्स टू स्टैंडर्ड स्केलर। और
स्टैंडर्ड स्केलर में x का जो ट्रेनिंग वाला पोर्शन है x ट्रेन और यहां पे मैं लिख दूंगा स्केल्ड ठीक है x ट्रेन स्केल्ड
इज़ इक्व स्केलर स्केलर डॉट फिट अंडरस्कोर
ट्रांसफॉर्म इट्स वेरी सिंपल फिट ट्रांसफॉर्म और यहां पे मैं लिख दूंगा क्या x अंडरs
ट्रे बहुत सिंपल ठीक है लेकिन यही सेम चीज अब मैं वापस से लिखूंगा क्योंकि मुझे सिर्फ इसका नहीं करना है मुझे
x टेस्ट का भी करना है क्योंकि x टेस्ट और x ट्रेन जो है इन्हीं में वो ये सारी वैल्यूज़ होंगी। कौन सी-कौ सी वैल्यूज़
होंगी? सेपल लेंथ, सेपल विड्थ, पेटल लेंथ एंड पेटल विड्थ वाली वैल्यू। चलो ठीक है कर देते हैं इसको भी। तो ये लो भैया x
ट्रेन की जगह क्या कर देंगे? x टेस्ट कर देंगे। दैट्स इट। तो दोनों चीज़ अब स्केल भी हो चुकी हैं। सो, यू हैव स्केल्ड
वैल्यूज़। यू हैव एवरीथिंग। नाउ लेट्स क्रिएट द मॉडल। एंड दैट इज़ फर्स्ट मॉडल परसेप्टन मॉडल। वी हैव टू मॉडल्स दैट वी
हैव टू क्रिएट। वन इज़ परसेप्टन एंड सेकंड इज़ आर्टिफिशियल न्यूरल नेटवर्क और यू कैन से मल्टीलेयर्ड परसेप्टन एएनएन क्रिएट
करना है। तो परसेप्टन क्रिएट करने के लिए इट्स वेरी सिंपल पी ई आर सी ईपी पर लिख देता हूं। पी ईआर लिख देता हूं
परसेप्ट्रॉन इज़ इक्वल्स टू पी ई आर सीईपी टी आर ओ एन परसेप्ट्रॉन। ये चीज़ अपन लोगों ने ऊपर इंपोर्ट करी थी फॉर क्रिएटिंग
परसेप्टों्स। और यहां पे मैं लिख देता हूं मैक्स अंडरस्कोर इटरेशन इक्वल्स टू 1000। सो व्हाट इज़ दिस मैक्स
इटरेशन? मैक्स इटरेशन कुछ नहीं होता भैया। आप ये मान के चलो जो अपना फॉरवर्ड एंड बैकवर्ड प्रोपगेशन होता है इसमें आप उसको
इटरेशन ही बोलते हो। ठीक है? सो यू आर डूइंग मैक्सिमम 1000 फॉरवर्ड एंड बैकवर्ड प्रोपगेशन। और यहां पे कॉमा लगा के मैं एक
चीज बोलूंगा रैंडम स्टेट चूज़ कर लेना। रैंडम स्टेट 42 चूज़ कर लो। क्योंकि जो फिर मेरा मॉडल बनेगा आपका भी सेम ही मॉडल
बनेगा। तो आपके में ज्यादा डिफरेंस नहीं आएगा। ठीक है? फिर परसेप्टन डॉट फिट करेंगे। मॉडल हैज़ बीन क्रिएटेड। अब इसको
ट्रेन करने के लिए जल्दी से फिट कर देते हैं। X ट्रेन
स्केल्ड क्या हो गया यह x ट्रेन अंडर स्केल्ड ठीक है और कॉमा y अंडरs ट्रेन y को अपने
को स्केल करने की जरूरत नहीं है ज़ीरो वन और टू में है ऑलरेडी ठीक है तो व्हाट इज़ कॉल्ड एन एक्सपेक्टेड मैक्स इटरेशन मैक्स
इटरेशन नहीं लिखते क्या आई गेस मैक्स इटर लिखते हैं ठीक है सो ऐज़ यू कैन सी योर परसेप्टर मॉडल हैज़ बीन ट्रेंड अब भैया
इससे क्या करवाना है ऑब्वियसली प्रेडिक्शनंस करवाना है तो प्रेडिकशंस के लिए क्या लिखेंगे? वाई अंडरस्कोर
प्रेडिक्शन कॉमा पीई आरसीईपी परसेप्टों्स का ही प्रेडिक्शन होगा। ठीक है? वेरिएबल्स पे थोड़ा सा ध्यान देना बस और कुछ नहीं
है। और वापस से वो तो सेम है। पीआरसीईपी परसेप्टन डॉट प्रेडिक्ट मैंने क्या नाम लिखा था इसका? पीआर लिखा
था। पीआरसीईपी लिख दिया। पर डॉट प्रिडिक्ट और प्रेडिक्ट करेंगे क्या? x अंडरs टेस्ट को और वह भी स्केल्ड वर्शन को। दैट्स इट।
सो आफ्टर यूजिंग दिस यू विल सी द प्रेडिक्शनंस। लेकिन अब ये प्रेडिक्शनंस को देख के क्या करें? सीधे अपन लोग क्या
करेंगे? एक्यूरेसी निकालेंगे। तो यहां पे एक्यूरेसी स्कोर ये भी चीज मैंने ऊपर ही इंपोर्ट कर ली थी। पहले मोस्ट ऑफ द चीजें
इंपोर्ट करके रखी थी। ठीक है? फिर एक्यूरेसी स्कोर y अंडरस्कोर टेस्ट कॉमा y अंडरस्कोर प्रेडिक्शन
ऑफ परसेप्टों्स दैट्स इट एंड आफ्टर कंप्यूटिंग द एक्यूरेसी इज़ कमिंग आउट टू बी 86% नाउ इफ यू डोंट यूज़ द रैंडम स्टेट
एज़ 42 आप डिफरेंट यूज़ करोगे तो देयर कैन बी सम डिफरेंसेस बिकॉज़ वी आर डूइंग मैक्सिमम इटरेशंस ऑफ़ 1000 तो हो सकता है
आपका जो परसेप्टन मॉडल है वो थोड़ा सा डिफरेंट ट्रेन हो। ठीक है? अब आप अगर ध्यान से देखोगे परसेप्ट्रॉन मॉडल्स इज़
सिमिलर सिमिलर टू व्हाट सिमिलर टू मशीन लर्निंग मॉडल लेकिन अब यहीं पे बात करते हैं अगर अपन एएनएन की तो वो थोड़ा सा
डिफरेंट होता है। सो नाउ लेट्स इंप्लीमेंट आर्टिफिशियल न्यूरल नेटवर्क और देखते हैं क्या ये परसेप्टन से अच्छा वर्क कर सकता
है। मेरे को तो भैया 100% है वर्क अच्छा करेगा क्योंकि ऑब्वियस सी बात है यार यू आर यूज़िंग मल्टी लेयर्स नाउ यहां पे एक
सिंगल लेयर चल रही थी मतलब इनपुट एंड आउटपुट लेयर दैट्स व्हाट परसेप्टन इज़ नाउ वी विल हैव मल्टीपल लेयर इनपुट आउटपुट एंड
मिडिल लेयर्स एज़ वेल दैट इज़ डेंस लेयर्स चलो अब उस चीज़ को भी यूज़ करके देखते हैं। सो फॉर डूइंग दैट अह वैसे तो अगर इफ यू
वांट यू कैन यूज़ द क्लासिफिकेशन रिपोर्ट एज वेल। प्रिंट मैं प्रिंट इसलिए कर रहा हूं क्लासिफिकेशन
रिपोर्ट को क्योंकि फिर वो दिक्कत आती है। y अंडरस्कोर टेस्ट या फिर प्रिंट होने में दिक्कत होती है। प्रिंट नहीं करेंगे तो एक
लाइन में आ जाता है। ठीक है? वाई टेस्ट कॉमा व्हाई प्रेडिक्शन व्हाई अंडरस्कोर प्रेडिकशंस ऑफ
परसेप्टों्स। यू कैन सी व्हाई प्रेडिक्शन मैंने कहां लिखा व प्रेडिक्स में हेलो
ओके अब लो ठीक है इनकंप्लीट इनपुट अरे क्या हो गया इसको हां अब आया ठीक है सो यू कैन सी द प्रसीजन
रिकॉल एंड F1 स्कोर और अगर भाइयों ये सब चीजें समझ नहीं आ रही तो मैंने मशीन लर्निंग की पूरी सीरीज बना के रखी है
उसमें सब है क्रिएट ठीक है ओके नाउ लेट्स डू द एएनएन आर्टिफिशियल न्यूरल नेटवर्क अब आर्टिफिशियल न्यूरल नेटवर्क को यूज़ करने
के लिए सबसे पहले तो मैं एक और चीज दिखाना चाहूंगा एंड दैट इज़ भाई भैया अपना गुड नोट्स और गुड नोट्स पे मैंने गुड नोट्स
थोड़ा सा हैंग हो रहा है। तो लेट मी अगेन ओपन और गुड नोट्स पे मैंने आपको याद करो एक बहुत इंपॉर्टेंट चीज बताई थी। एंड
व्हाट वाज़ दैट थिंग कि जब आप लॉस फंक्शनंस का यूज़ करते हो इफ यू आर यूजिंग मल्टीपल लॉस फंक्शनंस आई गेस मैंने लॉस फंक्शनंस
इसके नीचे करवाए थे एक्टिवेशन फंक्शनंस के यस दिस इज़ द पोजीशन। ठीक है? दिस इज़ द थिंग। तो याद करो मैंने एक चीज़ दिखाई थी।
एंड दैट इज़ कि अगर आप सॉफ्ट मैक्स अप्लाई कर रहे हो और आपके पास मल्टीपल कैटेगरीज़ हैं तो कैटेगोरिकल क्रॉस एंट्रॉपी का आप
यूज़ कर सकते हो एज़ अ लॉस फंक्शन। ठीक है? और उसके लिए लेकिन आपको क्या करना पड़ेगा? वन हॉट एनकोडिंग करना पड़ेगा। इफ यू
रिमेंबर क्लियरली मैंने क्या बताया था। ठीक है? और अपने को ऑब्वियसली अभी यहां पे क्या दिख रहा है? यू हैव थ्री थिंग्स या
फिर आप बोल सकते हो सिटोसा, वर्टिकुलर और पता नहीं कौन सी स्पीशीज़ थी। सो यू हैव थ्री स्पीशीज़ एंड यू वांट टू प्रिडिक्ट
देम। सो लेट्स डू द वन हॉट एनकोडिंग। और वन हॉट एनकोडिंग का यूज़ करके वी कैन यूज़ सॉफ्ट मैक्स फंक्शन एंड कैटेगोरिकल क्रॉस
एंट्रॉपी। ठीक है? अब ऑब्वियसली इनके बीच वाले डेंस लेयर्स में क्या लगेगा? रेलू लग जाएगा जो मेरे को पता है। और आखिरी में
क्या लगा सकता हूं? मैं सॉफ्ट मैक्स लगा सकता हूं। और सॉफ्ट मैक्स लगाने के बाद लॉस फंक्शन कैटेगोरिकल क्रॉस एंट्रॉपी मैं
लगा सकता हूं। कैसे? अगर मैंने वन हॉट एनकोडिंग कर दिया। और बिल्कुल कर सकता हूं मैं वन हॉट एनकोडिंग को। चलो वही चीज
अप्लाई करते हैं। सो सबसे पहले तो x अंडरस्कोर ट्रेन का जो स्केल्ड वर्जन चल रहा है उसी
को मैं सेलेक्ट करूंगा। ठीक है? स्केल्ड वर्जन और x ट्रेन एक सेकंड एक काम करता हूं। एक्सट्रेन कैट कैटेगोरिकल और यहां पे
इक्वल्स टू लगा के टू अंडरस्कोर कैटेगोरिकल सी ए टी ओ जी आर आई सी एल कैटेगोरिकल अ क्या दिक्कत आ रही है
एक्सटेंस स्केल टू अच्छा ट्रेन एंड टेस्ट दोनों पे करना पड़ेगा ना एक व ट्रेन पे कर एक्स व ट्रेन
एंड y टेस्ट पे करना पड़ेगा x पे क्यों कर रहे हैं अपन क्योंकि भैया y के अंदर है ना सारे आपके पास जो चीज आप प्रेडिक्ट करना
करना चाह रहे हो व्हाट आई एम डूइंग y अंडरस्कोर ट्रेन अंडरस्कोर कैटेगोरिकल ठीक है और कैटेगोिकल में क्या करूंगा ये जो
आपके पास तीन फीचर्स चल रहे हैं 0 1 ये एक अरे के अंदर चल रहे हैं सो नाउ आई विल मेक थ्री अरेज़ जहां पे 0 1 0 0 ऐसा बोल सकते
हो अ 0 1 0 0 1 0 होगा फिर ये हो जाएगा 0 1 0 0 1 0 और ये हो जाएगा 0 1 0 1 मतलब यार आप समझ लो आप तीन चीज बनाने वाले हो
वो आपको समझ आ जाएगा देख के ठीक है तो व्हाई टेस्ट कैटेगोरिकल लिखूंगा और मैं लिख दूंगा यहां पे टू सी ए टी ई जी ओ आर
आई सी ए एल कैटेगोरिकल और यहां पे मैं लिखूंगा वाई अंडरस्कोर ट्रेन दैट इज माय डेटा और इसमें मैं नंबर ऑफ क्लासेस बता
देता हूं इट विल बी थ्री क्लासेस नंबर ऑफ क्लासेस इज़ इक्व थ्री दैट्स इट एक बार देख लेते हैं काम कर रहा है क्या तो y
अंडरस्कोर ट्रेन और वो भी कैटेगोरिकल वाला सेक्शन यस एग्जैक्टली तो अब आप देख सकते हो ये
परफेक्टली काम कर रहा है 100 01 01 0 वही चीज़ जो मैं बता रहा था। ठीक है? सो नाउ इट बिकम अ मल्टीडमेंशनल अरे जिसके अंदर आपके
पास परफेक्टली सारे कैटेगरीज़ हैं। ठीक है? अब लेकिन ये तो सिर्फ ट्रेनिंग डेटा था। टेस्टिंग को भी यही करना है। तो यहां पे
कॉपी करो। इसको जस्ट नीचे पेस्ट कर दो। एंड y के लिए बस यहां पे क्या करना है? Y टेस्ट कैटेगरी और यहां पे Y की जगह ट्रेन
की जगह क्या भेज देंगे? टेस्ट। एंड दैट्स इट। नंबर ऑफ़ क्लासेस थ्री। और अपना काम कंप्लीट हो गया। ठीक है? सो अब अपन ने वन
हॉट एनकोडिंग कर लिया। या फिर आप ये बोल सकते हो जैसे जो कैट डॉग हॉेज थे उनको 100 0 1 0 में कन्वर्ट कर लिया। सो दिस इज़ दिस
हैज़ बीन डन। अब इसके बाद अपने को क्या करना है? वी हैव टू क्रिएट दी एएनएन। एएनएन मतलब या फिर आप बोल सकते हो अपने
मॉडल्स के लेयर को पहले बनाना पड़ेगा। ठीक है? तो मॉडल के लेयर को बनाने के लिए सबसे पहले तो मैं लिखूंगा मॉडल इज़ इक्वल्स टू
सीक्वेंशियल मॉडल मैं क्रिएट करूंगा। ठीक है? सो वी हैव ऑलरेडी इंपोर्टेड मोस्ट ऑफ़ द थिंग्स फॉर दैट। फॉर एग्जांपल
सीक्वेंशियल भी कर लिया है। डेंस भी कर लिया है। ड्रॉप आउट की अगर जरूरत पड़ी तो यूज़ करेंगे। एंड सब कुछ अपना ऑलरेडी
प्रिपयर्ड है। पहले ही मैंने इंपोर्ट करके रखा है। सो मॉडल इज़ इक्वल्स टू वेरी सिंपल एस ई क्यू यू ई एन टी आई एल सीक्वेंशियल
मॉडल। और सीक्वेंशियल मॉडल के अंदर नाउ लेट्स क्रिएट सम लेयर्स। तो सबसे पहली लेयर हां बाय द वे एक ब्रैकेट लगता है
यहां पे लिस्ट ऑफ़ लेयर्स होती है। ठीक है? तो सबसे पहली लेयर आई वांट टू क्रिएट एज अ डेंस लेयर। ठीक है? डी ई एन एस ई टेंस
लेयर। और डेंस लेयर में मैं यहां पे यूज करूंगा 16 न्यूरॉन। नाउ यू मस्ट बी थिंकिंग भैया व्हाई आर वी यूजिंग 16
न्यूरॉन इन द इनपुट डायमेंशंस। अब अगर आपको कंफ्यूजन हो रहा है दिस इज़ नॉट एन इनपुट लेयर। दिस इज़ अ डेंस लेयर या फिर आप
ये बोल सकते हो दिस इज़ दी मिडिल हिडन लेयर 16 के साथ। ठीक है? और यहां पे मैं कॉमा लगा के लिख देता हूं इनपुट। और या फिर आप
बोल सकते हो इनपुट कॉलन डायमेंशंस। और यहां पे मैंने सेट कर दिया कि भाई चार डायमेंशन से इनपुट आएगा। और ऑब्वियस सी
बात है चार डायमेंशन से क्यों आएगा इनपुट? क्योंकि आपके पास कितनी चीजें हैं जो आप देने वाले हो इनपुट में। यू हैव फोर
थिंग्स। सेपल लेंथ, सेपल विड्थ, पेटल लेंथ एंड पेटल विड्थ। ठीक है? तो पहली एक डेंस लेयर क्रिएट कर दी है। और इस डेंस लेयर
में भैया एक एक्टिवेशन फंक्शन लगाना पड़ेगा जो कि मेरे हिसाब से हिडन लेयर्स में सबसे बेस्ट होता है रेलू एक्टिवेशन
फंक्शन। ठीक है? एक्टिवेशन फंक्शन दैट इज़ आर ई एल यू रेलू। रेलू एक्टिवेशन फंक्शन लगा दिया। अब भैया आपको और मल्टीपल लेयर्स
बनानी है क्या? हां बनानी है। तो अब इस बार मैं ऐसा न्यूरॉन स्ट्रक्चर बनाऊंगा जिसमें अ पहला जो रहेगा आप ये बोल सकते हो
इनपुट लेयर चार सर्कल्स रहेंगे। फिर उसके बाद 16 सर्कल्स और रहेंगे जिसके अंदर भैया एक डेंस लेयर बन जाएगी जहां पे रेल रेलू
एक्टिवेशन लगेगा। फिर उसके बाद एक और डेंस लेयर बनाऊंगा या फिर एक और हिडन लेयर बनाऊंगा जिसमें मैं कोई सा और रेलू वापस
से रेलू लगाऊंगा लेकिन उसमें थोड़े से डायमेंशंस कम कर दूंगा फिर न्यूरॉन्स कम कर दूंगा। सो लेट्स डू वन थिंग। डेंस
न्यूरॉन वापस से क्रिएट करता हूं। एंड दिस टाइम आई एम गोइंग टू क्रिएट एट डेंस न्यूरॉन। ठीक है? और यहां पे मैं क्या
लिखूंगा? इनपुट। इनपुट की जरूरत नहीं है क्योंकि अब ये तो सेकंड वाला है। स्टार्टिंग वाले में इनपुट आएगा। ठीक है?
लेकिन इसमें एक्टिवेशन फंक्शन मैं वापस से रेलू ही यूज़ करूंगा। क्यों? क्योंकि अगेन ये क्या है? एक हिडन लेयर ही है। अब इसके
बाद तीसरी लेयर बनाता हूं। एंड दैट विल बी माय आउटपुट लेयर। ठीक है? अब आउटपुट लेयर में जो आपका सॉफ्ट मैक्स लगे। मतलब सीधे
बता रहा हूं। आउटपुट लेयर में जो आपका एक्टिवेशन फंक्शन है वो डिफरेंट लगेगा। अच्छा क्यों लगेगा? क्योंकि यहां पे देखो
मैंने अभी-अभी आपको बताया था। लेट मी ओपन गुड नोट्स। ये देखो। इफ यू वांट कि आपके आउटपुट भी सही आए तो आउटपुट में क्या लग
रहा है? सॉफ्ट मैक्स लग रहा है। तो चलो एक काम करते हैं। सॉफ्ट मैक्स फंक्शन को लगा देते हैं अपने आउटपुट में। लेट मी ओपन द
कोड एंड अगेन लेट्स क्रिएट द डेंस डी ई एन एस ए डेंस कहां कहां लिख रहा हूं? कहां लिख रहा हूं?
एक्टिवेशन फिर से लिखा डेंस और डेंस के अंदर इस बार अब मेरे को तीन चीजें चाहिए। अच्छा क्यों तीन चीजें चाहिए भैया?
क्योंकि आपने क्या किया भैया? तीन में ही तो डिवाइड कर दिया। कैसे डिवाइड कर दिया? तीन में आपके पास पहले एक अरे था जिसमें
ज़ीरो वन एंड टू था। फिर उसमें आपने क्या कर दिया भैया? अह एनकोड कर दिया। फिर आप यह बोल सकते हो वन हॉट एनकोडिंग कर दी। और
वन हॉट एनकोडिंग के बाद क्या हो गया? आपके पास कैटेगरीज़ तीन हो गई जो कि आउटपुट कैटेगरी होंगी। सो लेट्स यूज़ थ्री आउटपुट
न्यूरॉन दिस टाइम। और आउटपुट न्यूरॉन्स में जो एक्टिवेशन फंक्शन लगेगा वो कौन सा लगाऊंगा मैं? सॉफ्ट मैक्स लगाऊंगा। अच्छा
क्यों सॉफ्ट मैक्स लगाऊंगा? क्योंकि सॉफ्ट मैक्स काम का होता है जब अपने पास मल्टी क्लास क्लासिफिकेशन होता है। ठीक है?
दैट्स इट। और अगर भैया सिंगल क्लास या फिर बाइनरी क्लासिफिकेशन होता तो क्या लगा सकता था? ऑब्वियसली आई कुड हैव यूज़्ड
सिग्मोइड एक्टिवेशन फंक्शन। दैट्स इट। ठीक है? तो ये हो गया भैया सीक्वेंशियल। सबसे पहले तो अपन ने बना लिया अपने मॉडल का
पूरा स्ट्रक्चर कि कैसे जाएगा मॉडल? नाउ अब इसके बाद क्या करना है? आफ्टर दिस अब अपन मॉडल को कंपाइल करेंगे। अब कंपाइल
कैसे करें? मॉडल डॉट कंपाइल लिख के। बहुत ही सिंपल। अब कंपाइल क्यों करते हैं? कंपाइल इसलिए करते हैं। मैं बताता हूं
यहां पे कि कौन सा लॉस फंक्शन यूज़ करना है, कौन सा ऑप्टिमाइजर यूज़ करना है। तो अब अगर मैं ऑप्टिमाइज़र्स यूज़ करना चाहता हूं।
यह लिखा ऑप्टिमाइज़र्स और ए डी एम एडमम इज़ द ऑप्टिमाइजर। अभी मैंने दिखाया था सबसे बेस्ट है। चलो ठीक है। अब इसके बाद अपने
को दूसरी चीज करनी है क्या? लॉस करना है। और लॉस के लिए आपको पता है भैया कौन सा लिखूंगा मैं? कैटेगोरिकल क्रॉस एंट्रॉपी
क्यों? क्योंकि मैं मल्टी क्लास क्लासिफिकेशन कर रहा हूं। ठीक है? तो लॉस इज इक्व टू
सी ए टी ई जी ओ आर आई सी एल कैटेगोरिकल अंडर क्रॉस एंट्रॉपी फिर से अंडरस्कोर की जगह ई
एन टी आर ओ पी वाई कैटेगोरिकल क्रॉस एंट्रॉपी। ठीक है? अब इसके बाद एक और चीज होती है दैट इज मैट्रिक्स या फिर आप बोल
सकते हो किसके बेसिस पे आप इवैल्यूएट करना चाहोगे तो एक्यूरेसी होगी एम ई टी आर आई सी ई एम ई टी आर आई सी एस मैट्रिक्स इज़
इक्व टू आप यह बोल सकते हो ए डबल सी यू आर ए सी वाई एक्यूरेसी दैट्स इट व्हाट्स द प्रॉब्लम हियर ऑप्टिमाइजर
स्पेस दे दिया इसकी वजह से दिक्कत आ रही है क्या आई डोंट थिंक सो ऑप्टिमाइजर एडमम यूज करना था। लॉस भी
कैटेगोरिकल क्रॉस एंटरपी यूज़ करना था। सी ए टी ई जी ओ आर आई सी एल सी आर ओ डबल एस क्रॉस ई एन टी आर ओ पी व्हाई बिल्कुल सही
है। आई एम नॉट श्योर व्हाई इट इज़ शोइंग मी द एरर। लेट मी जस्ट सी लाइक दिस। सेम ही चीज़ लिखी है। पता नहीं भगवान जाने कुछ ना
कुछ शायद से आई गेस मैंने कुछ स्पेलिंग मिस्टेक कर दी होगी। तो अब वो सही हो गई है। ठीक है? सो दैट्स इट। अब इसके बाद अब
अपन क्या करेंगे? मॉडल को ट्रेन करेंगे। अब ट्रेन करने के लिए अपने पास पूरा सीक्वेंस तैयार है। रेलू एक्टिवेशन
फंक्शनंस लगा दिए हैं। दो हिडन लेयर्स में। इनपुट लेयर चार हैं। सॉफ्ट मैक्स इज़ द एक्टिवेशन फंक्शन जो कि लास्ट लेयर में
रखा है। आउटपुट लेयर में मॉडल कंपाइल कर दिया है। एडमम इज़ द ऑप्टिमाइजर आई एम यूज़िंग। कैटेगोिकल क्रॉस एंट्रॉपी इज़ द
लॉस फंक्शन। मैट्रिक्स अपनी क्या है? एक्यूरेसी है। नाउ लेट्स क्रिएट इट। तो अब यहां पे करेंगे मॉडल। पहले तो हिस्ट्री
सेव कर लेंगे। और हिस्ट्री इसलिए सेव करते हैं अभी बाद में मैं दिखाऊंगा क्योंकि हिस्ट्री का यूज़ करके आप प्लॉट भी कर सकते
हो कि कैसे आपकी एक्यूरेसी बढ़ती गई। ठीक है? सो हिस्ट्री इज़ इक्व मॉडल डॉट फिट क्या फिट करेंगे भैया? इसमें फिट करेंगे x
अंडरs ट्रेन अंडरस्कोर स्केल्ड। ठीक है? यही यूज़ करेंगे। और फिर कॉमा लगा के y अंडरs ट्रेन अंडरs कैटेगोरिकल। ठीक है? ये
हो गया भैया ट्रेनिंग डाटा अपन ने भेज दिया। अब ट्रेनिंग डेटा के बाद मेरे को यह बताना है कितने इपॉक्स लगने हैं। ठीक है?
ई पी ओ सी एच एस लेट्स से आई एम यूजिंग 100 इपॉक्स। ठीक है? कोई दिक्कत नहीं है। अब 100 इपॉक्स के बाद अब मेरे को यह
दिखाना है कि बैच साइज कितना रहेगा? बैच साइज यू नो इफ यू हैव 150 कॉलम्स। अ ये चीज़ तो अपने को पता है यार। कम ऑन गाइज़।
व्हाई वी आर यूज़िंग बैच साइज़। यू ऑल नो दिस। ठीक है? बैच ग्रेडियंट डिसेंट यूज़ कर सकते हैं। स्टोकास्टिक ग्रेडियंट डिसेंट
यूज़ कर देते हैं। मिनी बैच ग्रेडियंट डिसेंट यूज़ कर सकते हैं। तो वी आर गोइंग टू यूज़ मिनी बैच ग्रेडियंट डिसेंट जिसमें
अपन लोग कुछ भी एक स्मॉल बैच साइज़ रख सकते हैं। ठीक है? सो फॉर बैच साइज़ यहां पे मैंने लिख दिया बैच अंडरस्कोर साइज़ और बैच
साइज़ कितना रखें? लेट्स से देखो वो टू की पावर का रखते हैं। यू कैन यूज़ 16। आई थिंक आई शुड यूज़ एट। ठीक है? बैच साइज मैंने एट
रख दिया क्योंकि सिर्फ 150 लेयर्स हैं और 150 आप बोल सकते हो डेटा पॉइंट से तो ज्यादा वो नहीं लगेगा। ठीक है? और
वैलिडेशन स्प्लिट करना है क्या? वी कैन यूज़ वैलिडेशन स्प्लिट वैलिडेशन स्प्लिट कर लेते हैं।
इफ यू डोंट नो व्हाट इट इज़ वैलिडेशन स्प्लिट। वैलिडेशन स्प्लिट मतलब अपने डेटा को वैलिडेट करते समय कितना आपको स्प्लिट
करना है। तो 20% वैसे ऊपर मैंने स्प्लिट करके रखा था लेकिन ठीक है। और यहां पे वी ईआर बी ओ एस ई वब्स इक्व ज़ीरो की जगह वन
रख दूंगा। एंड दैट्स इट। अब क्या दिक्कत आ रहा है? यहां पे कॉमा नहीं लगाया। ओके? आप देख लो। एंड देयर यू गो। यह आपके एपॉक्स
हो रहे हैं। ये देखो ये सारे 100 इपॉक्स होंगे। और 100 इपॉक्स के बाद आपको सबका लॉस, एक्यूरेसी, वैलिडेशन स्कोर्स एंड
वैलिडेशन एक्यूरेसी बढ़ता जा रहा है। ठीक है? तो ऑब्वियसली वैलिडेशन लॉस देखो आप कम होता जा रहा है। होता जा रहा है। होता जा
रहा है। कम बहुत ही अच्छी चीज है। और ये देखो पॉइंट्स में पहुंच गया वैलिडेशन लॉस। ठीक है? सो जितना वैलिडेशन लॉस कम होगा
उतना अच्छा और वैलिडेशन एक्यूरेसी जितना अच्छी होगी उतना सही है। ठीक है? सो एज़ यू कैन सी एक पॉइंट पे आके वो पूरा ओवरफिट ही
होने लग गया था क्योंकि 100 डिपॉक्स की जरूरत नहीं थी लेकिन स्टिल गुड। ठीक है? तो योर टोटल अमाउंट ऑफ़ एक्यूरेसी दैट यू
आर रीचिंग एट द हाईएस्ट पीक इज़ 98% एंड लॉसेस इज़ 843। दैट्स इट। ठीक है भैया समझ आ गया। अब क्या करेंगे? एक काम करते हैं।
सिंपल सी बात है। मैं वो दिखा देता हूं आपको। लेट मी शो दिस। लॉस एंड एक्यूरेसी आफ्टर इवैल्यूएशन ऑफ द मॉडल प्रिंट करना
पड़ेगा। प्रिंट एसीसी दैट्स इट। सो द फाइनल मॉडल एक्यूरेसी इज़ कमिंग आउट टू बी 93% आफ्टर
डूइंग ऑल द एपॉक्स एंड वैलिडेशन एक्यूरेसी भी निकालने के बाद योर फाइनल एक्यूरेसी कंपेयर टू y टेस्ट एंड एक्स टेस्ट
स्केल्ड। Y टेस्ट मैंने दे दिया। और उसके बेसिस पे आ रही है कितनी? 0.93 बारबॉस वन रख देंगे अगर तो आप देख सकते हो एक एपॉक
होगा जिसमें आपके इतनी ही एक्यूरेसी आने वाली है। दैट्स इट। आप सब की भी सेम ही आएगी। आई डोंट थिंक उसमें डिफरेंट आएगी।
नाउ लेट मी टेल यू व्हाई आई यूज़ दिस हिस्ट्री या फिर व्हाई एवरीवन यूज़ हिस्ट्री। तो हिस्ट्री का क्या काम होता
है दिस हिस्ट्री? इस हिस्ट्री को यूज़ करके आप प्लॉट कर सकते हो कि कैसे आपकी एक्यूरेसी बढ़ती गई, बढ़ती गई, बढ़ती गई। उस
चीज़ के लिए आप एक पीएलटी डॉट फिगर यूज़ कर सकते हो। वेरी सिंपल। तो पीएलटी डॉट फिगर और यहां पे लिख देता हूं फेग साइज = 10 4
लेट्स से ठीक है और यहां पे लिख देता हूं मैं पीएलटी डॉट प्लॉट और क्या प्लॉट करेंगे अपन हिस्ट्री का यूज़ करके जो
हिस्ट्री निकाली थी हिस्ट्री डॉट हिस्ट्री और इस हिस्ट्री में से एक्यूरेसी स्कोर्स को निकाल लेते हैं। कैसे
एक्यूरेसी स्कोर बढ़ता जा रहा था। ठीक है? ठीक है? आई होप आपको समझ आ रहा है। ए डबल सी यू आर ए सी वाई एक्यूरेसी कॉमा लेबल दे
देता हूं मैं इसको। लेबल दे देता हूं ट्रेन एक्यूरेसी। ठीक है? ट्रेन एसीसी दैट्स इट। आई गेस बन जाएगा इतने से ही। अ
सो यू कैन सी द प्लॉट जहां पे एक्यूरेसी बिल्कुल बॉटम से स्टार्ट हुई और वो बढ़ती गई बढ़ती गई। आफ्टर डूइंग मल्टीपल एपॉक्स
यहां तक पहुंचे। लेकिन फिर उसके बाद बहुत धीरे हुई क्योंकि फिर उसके बाद एक्यूरेसी धीरे-धीरे बढ़ती। लेकिन एपॉक्स करते-करते
एक पॉइंट पे वो इस पॉइंट पे पहुंच ही गया या फिर आप बोल सकते हो 100% एक्यूरेसी आ गई थी। ठीक है? अब इसमें आप एक और चीज से
कंपेयर भी कर सकते हो। एंड दैट इज़ वैलिडेशन एक्यूरेसी भी कर सकते हो। तो आप यहां पे लिख दो पीएलटी डॉट प्लॉट। तो
दोनों चीजें साथ में दिख जाएंगी। हिस्ट्री या फिर एक काम करता हूं। इसको कॉपी ही कर लेता हूं ना ऊपर वाली लाइन को। लेट्स कॉपी
पेस्ट और राइट हियर हिस्ट्री डॉट हिस्ट्री। वैलिडेशन एक्यूरेसी निकालना है तो यहां पे लिखेंगे वेल अंडरस्कोर
एक्यूरेसी और यहां पे लिख देंगे वेल एक्यूरेसी लेट्स सी एंड एज़ यू कैन सी वैलिडेशन एक्यूरेसी भी बढ़ती जा रही थी तो
दैट्स इट दिस इज़ हाउ यू कैन यूज़ योर आर्टिफिशियल न्यूरल नेटवर्क एंड ट्रस्ट मी वन थिंग गाइस ये सिर्फ और सिर्फ
इंप्लीमेंटेशन था एएनए का इसके बाद लेकिन आपके पास और भी चीजें हैं जैसे सीएनएन हो गया और आरएनए हो गया तो क्या भैया यहां
अपन रुकने वाले हैं ऑब्वियसली नहीं तो अब अगली वीडियो का थोड़ा सा वेट करो मैं RN और सीएनए सब लेके आऊंगा। ठीक है? दैट्स इट।
सो आफ्टर दिस मैं एक छोटा सा और टॉपिक कवर अप करना चाहता हूं। दैट इज़ ब्लैक बॉक्स एंड वाइट वाइट बॉक्स मॉडल। ज्यादा कुछ
इंपॉर्टेंट है नहीं। एक बेसिक सी बस एनालॉजी या फिर अंडरस्टैंडिंग लेनी पड़ेगी और उसके बाद अपन वीडियो को खत्म करते हैं।
लेट्स गो। एंड वन मोर थिंग अभी वीडियो खत्म नहीं हुई है। तो यह बस और ऐड कर लेते हैं कि भाई
अगर हो सके तो इस पे UI ऐड करना। वही मॉडल्स को H5 फाइल में डाउनलोड करना। पिकल फाइल में नहीं होगी। मैं वो बाद में जरूर
दिखाऊंगा जब अपन एएनए, आरएन और सीएनए तीनों कंप्लीट कर लेंगे। ठीक है? लेकिन बस याद रखना क्या करना है आपको? यू हैव टू
यूज़ H5 फाइल टू यूज़ दैट मॉडल जो आपने क्रिएट किया है और उस मॉडल को इंप्लीमेंट करो और उस पे UI ऐड करो एंड पोस्ट इट ऑन
Lindin टैग मी। बहुत ज्यादा खुशी होती है देखने में कि लोग बनाते हैं। एंड दैट्स इट। तो चलो मिलते हैं नेक्स्ट वाले पोर्शन
में। लेट्स गो। सो, दिस इज़ प्रोबेब्ली गोइंग टू बी द लास्ट टॉपिक एंड दैट इज़ ब्लैक बॉक्स एंड वाइट बॉक्स मॉडल्स। इनके
बीच में डिफरेंस आपको समझ आना चाहिए क्योंकि मल्टीपल टाइम्स आप ऐसे मॉडल्स बनाते हो जिनकी इंटरनल वर्किंग आपको पता
होती है और कुछ मॉडल्स होते हैं जिनकी इंटरनल वर्किंग नहीं पता होती। चलो लेट मी गिव यू सम वेरी सिंपल एग्जांपल्स। ठीक है?
लेट्स से आई एम टॉकिंग अबाउट डिसीजन ट्री। ठीक है? तो अब अगर डिसीजन ट्री की बात करता हूं, तो डिसीजन ट्री में अपन
पैरामीटर्स का यूज़ करके ये पता लगा सकते हैं। इवन आई कैन प्रिंट द डिसीजन ट्री व्हाट आई एम मेकिंग। ठीक है? सो डिसीजन
ट्री के इंटरनल वर्किंग अपने को पता है। क्या कर रहे हैं वही भैया एंट्रॉपी कैलकुलेट कर रहे हैं और उसके बाद अपन लोग
क्या कर रहे हैं? उसकी जो भी आपके वैल्यू्यूज हैं उनका देख रहे हैं कि कौन सा ज्यादा इंपॉर्टेंट है या फिर आप बोल
सकते हो गिनी इंडेक्स निकाल रहे हैं उनका और फिर उसके बाद उनको चूज़ कर रहे हैं। सो यू नो द इंटरनल वर्किंग ऑफ़ डिसीजन ट्री।
तो आई कैन से इफ यू नो द इंटरनल वर्किंग, सो इट्स अ वाइट बॉक्स मॉडल। आई होप समझ आ रहा है। ठीक है? लेकिन वहीं पे अगर मैं
बात करता हूं डिसीजन ट्री के बाद रैंडम फॉरेस्ट की। सो व्हाट वाज़ रैंडम फॉरेस्ट? रैंडम फॉरेस्ट में अपन मल्टीपल डिसीजन
ट्रीज क्रिएट करते हैं। ठीक है? रैंडम फॉरेस्ट इज़ एन एनेंबल लर्निंग टेक्निक जिसमें अपन मल्टीपल डिसीजन ट्रीज़ का यूज़
कर रहे हैं। ये सब अपन पढ़ चुके हैं मशीन लर्निंग में। ठीक है? तो रैंडम फॉरेस्ट इज़ अ ब्लैक बॉक्स मॉडल। नाउ व्हाई इट इज़ अ
ब्लैक बॉक्स मॉडल? क्योंकि यू डोंट नो द इंटरनल वर्किंग कि किस तरीके से आपकी डिसीजन ट्रीज़ डिवाइड हो रही हैं। कितने
पैरामीटर्स पे डिसीजन ट्री डिवाइड हो रही है। तो इंटरनल वर्किंग शोकेस करना इज़ वेरी वेरी रेयर या फिर आप बोल सकते हो इट्स नॉट
पॉसिबल। ठीक है? सो इट्स अ ब्लैक बॉक्स मॉडल। ठीक है? अब इसी के बाद अगर मैं बात करता हूं अपने ये एएनए की आर्टिफिशियल
न्यूरल नेटवर्क की। ओके? यू नो कि आपने क्या-क्या यूज़ किया है? यू यूज़ यूरेलर एक्टिवेशन फंक्शन। आपने सब कुछ यूज़ कर
लिया। लेकिन एट द एंड ऑफ द डे क्या आपको पता है कि हर बार हर एप बॉक्स में कैसे वेट्स सेटअप हो रहे हैं? फिर कैसे वेट्स
डिवाइड हो रहे हैं। ऑब्वियसली यू कैन नॉट डू दैट। सो इस जगह पे अपन क्या यूज़ कर रहे हैं? अगेन आई एम यूजिंग अ ब्लैक बॉक्स
मॉडल। ठीक है? और ऐसे ही अगर मैं बात करता हूं लेट्स से लीनियर रिग्रेशन की। व्हाट डू यू थिंक लीनियर रिग्रेशन इज़? लीनियर
रिग्रेशन इज़ अ वाइट बॉक्स मॉडल। ठीक है? सो, देयर आर मल्टीपल मॉडल्स दैट आर वाइट बॉक्स एंड देयर आर मल्टीपल मॉडल्स दैट आर
ब्लैक बॉक्स। तो अब आपको समझ आ गया व्हाट इज़ अ ब्लैक बॉक्स मॉडल। ठीक है? जहां की इंटरनल वर्किंग नहीं समझ आ रही है। दैट्स
अ ब्लैक बॉक्स मॉडल। नाउ फाइनली आफ्टर कन्वर्जिंग कवरिंग ऑल ऑफ़ दिस अब मैं आपको एक आउट्रो देना चाहूंगा। फर्स्ट ऑफ़ ऑल
थैंक यू फॉर वाचिंग दिस वीडियो। जिसने भी यहां तक देखा यू माइट हैव अंडरस्टुड हाउ डीप लर्निंग वर्क्स। क्या-क्या चीजें होती
हैं? ऑप्टिमाइज़र्स क्या होते हैं और सब कुछ। एंड दैट्स इट। और मैं यही चाहूंगा कि आने वाले समय में और दो वीडियोस निकलेगी
डीप लर्निंग की। क्योंकि इस वीडियो में अपन ने बेसिकली क्या कवर किया? वी कवर्ड व्हाट एक्चुअली एएनएन इज़ आर्टिफिशियल
न्यूरल नेटवर्क कैसे वर्क करता है कैसे क्रिएट होता है ठीक है वी आल्सो अंडरस्टुड परसेप्टों्स पर बट जो नेक्स्ट वीडियो आने
वाली है दैट विल बी रिलेटेड टू सीएनएन कॉन्क्यूशनल न्यूरल नेटवर्क जहां पे अपन इमेज का क्लासिफिकेशन करते हैं या फिर
इमेज को डिटरमाइन करने का काम आएगा ठीक है एंड उसके बाद एक और चीज आएगी एंड दैट इज़ आरएनए जो कि यूज़ होगा किस में आपके
टेक्स्चुअल चीजों में या फिर आप बोल सकते हो पैराग्राफ्स को एनालाइज़ करते समय क्या यूज़ होता है ठीक है और इससे पहले मैंने एक
और वीडियो निकाली थी एंड दैट वाज़ अबाउट टेक्स्ट के ऊपर या फिर आप बोल सकते हो जिसमें मैंने चीजें कवर करी। लेट मी शो यू
दैट वीडियो। लेट मी ओपन इट। जस्ट वेट अ सेकंड। इसको नीचे रखना पड़ेगा। अ लेट्स ओपन
शेरियंस एआई स्कूल YouTube एंड यू विल सी वन वीडियो जो मैंने बनाई थी। एंड दैट वाज़ एनएलपी। सो एनएलपी का टास्क
मैंने सारी चीजें परफॉर्म करी थी। किस चीज का यूज़ करके? मशीन लर्निंग के एल्गोरिथम्स का यूज़ करके। लेकिन अब जब अपन लोग आरएनए
जैसी चीज पढ़ लेंगे इन द थर्ड वीडियो तब अपन एनएलपी के टास्क परफॉर्म कर पाएंगे विद डीप लर्निंग। आई होप आपको समझ आ रहा
है। ठीक है? सो वेट फॉर टू मोर वीडियोस। दिस इज़ द फर्स्ट वीडियो एंड दैट्स इट। सो थैंक यू फॉर वाचिंग दिस वीडियो। मायसेल्फ
आकर्ष व्यास। नेक्स्ट वीडियोस के लिए वेट करो। एंड अगर यहां तक देख लिया है तो टिल दी एंड लिख के जरूर जाना। टिल दी एंड। यही
चीज मैं लिखवाता हूं हर बार जिससे मेरे को भी पता लगता है कि यस पीपल आर एक्चुअली कवरिंग ऑल ऑफ दैट स्टफ। ठीक है? सो थैंक
यू फॉर वाचिंग। मिलते हैं नेक्स्ट वीडियो में। तब तक के लिए बाय बाय।
नहीं, पूरी तरह से नहीं। वीडियो में अधिकांश जानकारी तथ्यात्मक रूप से सही है, लेकिन कुछ स्थानों पर अतिशयोक्ति और सरलीकरण की गई है, जैसे "10 गुना अधिक शक्तिशाली" जैसे दावे, जो भ्रामक हो सकते हैं। इसलिए इसे मुख्य स्रोत के बजाय द्वितीयक संदर्भ के रूप में उपयोग करना चाहिए।
यह रेटिंग इसलिए दी गई क्योंकि वीडियो न्यूरल नेटवर्क और परसेप्ट्रॉन जैसी अवधारणाओं को बड़े पैमाने पर सही ढंग से समझाता है, लेकिन दो मुख्य कमियों के कारण इसमें कटौती की गई: अतिशयोक्तिपूर्ण भाषा का उपयोग और डीप लर्निंग उप-क्षेत्रों के वर्गीकरण में अस्पष्टता।
हाँ, इसे पूरी तरह से अलग बताना एक सीमित दृष्टिकोण है, क्योंकि डीप रीइन्फोर्समेंट लर्निंग जैसे अंतर-विषयक क्षेत्र इन दोनों को जोड़ते हैं। यह सरलीकरण नए छात्रों को उनकी परस्पर निर्भरता के बारे में गलत धारणा दे सकता है।
निर्माता ने स्वीकार किया है कि मशीन लर्निंग की बुनियादी समझ होना ज़रूरी है। इसलिए शुरुआती लोगों को पहले ML की मूल बातें सीखने की सलाह दी जाती है, ताकि वीडियो में बताई गई जटिल अवधारणाओं को बेहतर ढंग से समझ सकें।
हाँ, यह दावा पूरी तरह से सटीक है और तथ्यात्मक रूप से सही है। इस तरह के सटीक ऐतिहासिक संदर्भ वीडियो की विश्वसनीयता को बढ़ाते हैं, लेकिन फिर भी बाकी की सामग्री को आलोचनात्मक दृष्टि से देखना चाहिए।
नहीं, यह केवल एक माध्यमिक शिक्षण संसाधन के रूप में उपयोगी है। यह अवधारणाओं को समझाने में सहायक है, लेकिन अतिशयोक्तियों और वर्गीकरण संबंधी खामियों के कारण आपको अधिक आधिकारिक पाठ्यपुस्तकों या स्रोतों से पूरक जानकारी लेनी चाहिए।
दर्शकों को इसके सरलीकरणों और अतिशयोक्तियों से अवगत रहना चाहिए। अगर कोई दावा अविश्वसनीय लगे, तो उसे क्रॉस-चेक करें, क्योंकि वीडियो का उद्देश्य जटिल विषयों को सरल बनाना है, जो कभी-कभी सटीकता से समझौता कर सकता है।
Keep this fact check
Save it to LunaNotes and it becomes a real note in your library — editable, searchable, and ready to turn into flashcards or a diagram. Free to start.
Save to LunaNotesOr fact check for another video.
32K+ people have turned 65K+ videos into notes
“Very useful tool. I'm using it for the last couple weeks and I'm loving it so far. Makes learning on YouTube a great experience.”
Bhai Chrome Web Store reviewThis fact check was automatically generated using AI with the Free YouTube video fact checker by LunaNotes. Sources are AI-generated and should be independently verified.
Related fact checks
वोल्टेज, करंट और रेजिस्टेंस पर फैक्ट चेक: हिंदी शैक्षिक वीडियो की सटीकता
यह फैक्ट चेक 'Engineering Dost' चैनल के एक हिंदी शैक्षिक वीडियो का विश्लेषण करता है जो वोल्टेज, करंट और रेजिस्टेंस की बुनियादी समझ प्रदान करता है। वीडियो को अत्यधिक सटीक और शुरुआती लोगों के लिए सुलभ पाया गया है, जिसमें अवधारणाओं को सरल बनाने के लिए प्रासंगिक उपमाओं का उपयोग किया गया है और सभी प्रमुख परिभाषाएँ सही हैं।
कक्षा 10 विद्युत अध्याय का फैक्ट चेक: क्या यह वीडियो पूरी तरह सटीक है?
इस फैक्ट चेक में हमने कक्षा 10 के विद्युत अध्याय पर एक लोकप्रिय शैक्षिक वीडियो का विश्लेषण किया है। वीडियो में विद्युत आवेश, धारा, विभवांतर, प्रतिरोध और ओम के नियम जैसे मूलभूत अवधारणाओं को समझाया गया है, जो अधिकतर सटीक और NCERT पाठ्यक्रम के अनुरूप हैं। हालांकि, कुछ सरलीकरण और अभिव्यक्ति के लहजे में तकनीकी अशुद्धियाँ पाई गई हैं, जैसे विभवांतर और कार्य की परिभाषा में थोड़ी अस्पष्टता। कुल मिलाकर, यह एक उपयोगी शैक्षिक संसाधन है, लेकिन छात्रों को अवधारणाओं को गहराई से समझने के लिए NCERT की पाठ्यपुस्तक का भी संदर्भ लेना चाहिए।
Fact Check: 12th Class Semiconductor Chapter – Accuracy of Claims in Physics Lecture
इस वीडियो में 12वीं कक्षा के सेमीकंडक्टर इलेक्ट्रॉनिक्स चैप्टर की व्याख्या की गई है। फैक्ट-चेक में पाया गया कि अधिकांश शैक्षिक सामग्री सटीक है, लेकिन कुछ सांख्यिकीय आंकड़े चैप्टर से अप्रासंगिक या अधूरे हैं, और ऐतिहासिक संदर्भों में थोड़ी अस्पष्टता है। कुल मिलाकर, वीडियो शैक्षिक रूप से विश्वसनीय है।
SQL SELECT कमांड पर फैक्ट चेक: ट्यूटोरियल की सटीकता का विश्लेषण
यह वीडियो SQL के SELECT स्टेटमेंट और इसके विभिन्न ऑपरेटर्स (WHERE, AND, OR, NOT, BETWEEN, IN, LIKE) का एक शैक्षिक ट्यूटोरियल है। फैक्ट-चेक में पाया गया कि वीडियो में SQL सिंटैक्स और कॉन्सेप्ट्स का सटीक प्रदर्शन किया गया है, जिसमें कोई तथ्यात्मक त्रुटि नहीं है। यह शुरुआती लोगों के लिए एक विश्वसनीय और उपयोगी गाइड है।
Fact Check: Russia-India Intelligence Meeting and Geopolitical Claims Explained
इस वीडियो में रूस और भारत के बीच एक गुप्त पक्षीय बैठक, विदेशी एजेंटों की गिरफ्तारी, तेल व्यापार और इंटेलिजेंस साझाकरण संबंधी कई दावे किए गए हैं। हमने प्रमुख तथ्यात्मक दावों का जांच किया और पाया कि कुछ दावे सत्यापित हैं जबकि कई दावे संदिग्ध और बिना पुष्ट प्रमाणों के हैं।
Most viewed fact checks
Fact Check: April 2026 Regulus-Sphinx Alignment and Biblical Prophecy
This fact-check examines the claim that the star Regulus will align with the Sphinx's gaze at Easter 2026, signalling a significant spiritual or prophetic event as proposed by Chris Bledso. We evaluate the astronomical accuracy of the claimed alignment, the biblical connections, and warnings about deception in prophecy.
Fact Check: April 2026 Rapture Predictions and Related Claims
This video makes multiple prophetic and biblical claims prophesying an imminent rapture event around April 4th to 5th, 2026, linking various visions, interpretations, and speculative timelines. Our fact-check finds that these claims are unsupported by credible evidence or mainstream religious scholarship and involve unverifiable personal revelations and misinterpretations of historical and biblical texts.
Fact Check: Claims About Noah's Ark Discovery on Turkey's Highest Peak
This fact-check examines the sensational claims of an alleged Noah's Ark discovery on a Turkish mountain peak, analyzing the archaeological, scientific, and biblical assertions made. Our investigation finds no credible evidence supporting the extraordinary details presented, many of which contradict established science and historical knowledge.
Fact Check: Prophetic Claims and the Essene Calendar Explained
This video presents claims about the prophetic significance of the Essene calendar, its connection to biblical prophecy, and recent historical events. While some historical facts about the Dead Sea Scrolls and Jewish history are accurate, the prophetic interpretations and calendar correlations remain speculative and unverified by mainstream scholarship.
Fact Check: Zoink's Record Breaks and Impossible Levels in Geometry Dash
This fact check analyzes the claims about Geometry Dash player Zoink's achievements, including his record completions of notoriously difficult levels such as Booambama, Exasperation, and Silent Circles. While most accomplishments verify with community data and documented runs, some details on attempts and timelines require cautious interpretation.
Found this fact check useful?
Take it with you. One click puts it in your own LunaNotes library.
Save to LunaNotes