素材在视频中的额为马里，自行下载哈
有一说一，这次iPadOS 26的升级确实让今后平板的生产力更进了一步，接下来就看开发者们了 欢迎大家在弹幕或者评论区说出你的看法哟～ 因为升级设备是iPad Pro2020，加上是开发者版本，可能有些地方会不流畅
Deep Learning with Yacine https://www.youtube.com/watch?v=heSdPbAfFH4 视频介绍了自动微分（AD）这个算法，它在深度学习框架里特别重要，比如 PyTorch 的 autograd 机制就离不开它。视频里解释说，AD 的作用就是把神经网络训练过程中复杂的反向传播过程给简化了，反向传播本来是要算梯度来更新模型权重的。 视频里讲，AD 的运作原理是先构建一个有向无环的计算图，图里把所有的运算都表示出来。然后，在反向传播的时候，它就自动用链式法则来算梯度，把累积的梯度从图的后面往前传，在每个节点上都乘以局部的导数。 视频还详细讲了实现方式。它会把 `Value` 对象定义成计算图里的节点。每个 `Value` 对象都存着自己的数值 `data`、梯度 `grad`、指向前驱节点（也就是输入）的引用 `_prev`，以及生成它的操作 `_op`。而每个操作（比如加法、乘法、ReLU 等）都要自己定义一个 `_backward` 函数。这个函数呢，会附在输出的 `Value` 节点上，它负责计算局部偏导数，然后把局部导数乘以累积的 `out.grad`，这样就把梯度往回传给它的输入节点了。这里有个非常关键的点，就是梯度一定要用 `+=` 来累加，千万不能覆盖掉之前的值。 视频里说，整个反向传播过程主要分两步： 1. **构建计算图：** 从输出节点开始递归地访问所有节点，然后进行拓扑排序，这样就能确保梯度计算的顺序是正确的。 2. **计算梯度：** 逆序遍历已经构建好的计算图（从输出到输入），先把输出节点的梯度设为 1，然后依次调用每个节点的 `backward` 方法，这样梯度就能在整个网络里传播和累加起来了。 有了这种系统性的设计，再加上把每个原子计算单元和它们的局部导数都定义好了，梯度计算就变得非常直接和高效了。
-
618就买这些！必须听我的！
我们之前虽然拍摄过无数次月亮环形山细节照片，但都是使用专业的行星摄像头配合笔记本电脑去拍摄，这有点复杂成本也有点贵。今天晴天，我们尝试只使用手机搭配天文望远镜看看能拍出怎样的效果，哎，还别说，实拍挺不错不错，希望可以给大家带来些许参考。 如果觉得有用的话，辛苦点个赞吧~！ PS：如果需要天文器材及配件，欢迎光临咱T.B.店.【酱油颜的星空世界】
更 新 了 个 透 明
iPhone/iPad主板维修：weifux1 咨询可私信，不能及时回复请见谅。
今年微星笔记本的产品线确实相当丰富，不管是售价还是产品力，都相当有诚意，今天我们来到微星&NVIDIA 媒体交流会，看看微星又给我带来了哪些新品和技术。
RTX5050参考设计为5相供电？显卡日报6月14日
首冲华为pura80pro！没想到能发生这样的事？
华为 Pura80 Ultra 全面国产化的进击之路
翻车现场! 没想到直屏也这么多坑？花费上千元给vivox200s贴膜结局...
我觉得你有点奇葩了—奇葩坦克博物馆#22
综合 0
0