How does a neural network work? - Introduction to Deep Learning #3 

Héhé, plaisir ^^

Salut! Si t’as un support écrit je serais carrément partant pour y jeter un œil si possible !

thanks to you Gary! :D I will lower the music next time!

Héhé, merci bien :) C'est avec un retard tout relatif que j'ai le plaisir de teaser la sortie de la prochaine vidéo dans quelques semaine

Haha, beaucoup de questions, ça vas être dur de répondre à tout de manière exhaustive ^^ La quantité de neurones a bel et bien une influence sur "l'intelligence" d'un réseau. Mais un réseau avec beaucoup trop de layers et de neurones peut etre moins efficace qu'un autre plus léger, et adapté au probleme à traiter. Et c'est trés dur de savoir quelles seront les meilleurs dimensions avant d'avoir testé. Mais certains algorithmes sont developé dans ce but la : tester plusieurs dimensions differentes et voir laquelle marche le mieux. Les valeur qu'il peut prendre.. Tu parle des outputs? Ceux là n'ont pas d'incidence directe sur l'apprentissage en lui meme, non. C'est plutot la valeur des poids et biais qui s'occuper de l'evolution. Pour le dernier point je ne suis pas certain d'avoir parfaitement compris, mais c'est assez rare a ma connaissance qu'un réseau sois "pris de vitesse". Il sera relativement lent pendant sa phase d'entrainement (qui consiste a pratiquer des centaines de millier d'exemples) mais une fois l'entrainement terminé, il suffit de sauvegarder ses poids et biais pour que les futures predictions soient trés rapides. A titre d'exemple, j'avais fait du style transfert une fois. Un algorithme un peu complexe. Pendant l'entrainement, il mettait une nuit entiere pour faire ses calculs sur une vidéo. Mais une fois l'entrainement terminé, ça lui prenais moins d'une minute. Et si on couple ça avec l'utilisation GPU de librairies telle que tensorflow, c'est encore bien plus rapide que ça ^^

D'après ce que j'ai compris, c'est parce que dans son exemple c'est une application de reconnaissance de chiffres de 0 à 9 donc 10 chiffres différents à reconnaître, donc 10 neurones en sortie avec un degré d'activation variable entre 0 et 1, et plus le degré d'activation est grand pour un neurone x en sortie, plus le chiffre correct a de chances d'être celui associé au neurone x.

C'est exactement ça Alexandre! :) En esperant que ça t'ai aidée Luna