Backpropagation
📘 ভুল পেছনে পাঠিয়ে শেখা।
🌐 Propagating error to update weights.
🧠
1
ধারণা · Concept
কী এবং কেন📘 বাংলা ব্যাখ্যা:
ভুল পেছনে পাঠিয়ে শেখা।
ভুল পেছনে পাঠিয়ে শেখা।
🌐 English:
Propagating error to update weights.
Propagating error to update weights.
🗂 কোথায় পড়ে
৪. ডিপ লার্নিং ও এআই → ডিপ লার্নিং → Backpropagation
🎯 এই শাখার লক্ষ্য
Build, train and regularise neural networks
🧰 টুলস
PyTorch, TensorFlow/Keras
🪜
ধাপে ধাপে শিখুন · Step-by-step
কেন শিখবেন → কীভাবে শিখবেন → উদাহরণ → সাধারণ ভুল💡 কেন গুরুত্বপূর্ণ?
লক্ষ লক্ষ ওজন কীভাবে একসাথে শেখে—ডিপ লার্নিংয়ের ইঞ্জিন।
- ধাপ 1ফরোয়ার্ড পাস: পূর্বাভাস ও লস হিসাব
- ধাপ 2আউটপুট থেকে পেছনে চেইন রুল দিয়ে প্রতিটি ওজনের গ্রেডিয়েন্ট
- ধাপ 3অপ্টিমাইজার দিয়ে ওজন আপডেট: w ← w − lr·∂L/∂w
- ধাপ 4সব ব্যাচে পুনরাবৃত্তি = এক এপক; অনেক এপক পর্যন্ত
🧪 বাস্তব উদাহরণ
PyTorch-এ loss.backward() এক লাইনে পুরো ব্যাকপ্রপ করে (autograd)।
⚠️ সাধারণ ভুল
প্রতি ধাপে optimizer.zero_grad() ভুলে যাওয়া—গ্রেডিয়েন্ট জমতে থাকে।
🔑 মূল শব্দ (Key terms)
backpropagationgradientautogradepochbatch
3
সাব-টপিক ও বিস্তারিত · Sub-topics
টপিক → সাব-টপিক → সাব-সাব টপিক3.1 ফরোয়ার্ড পাস3.1.1 পূর্বাভাস
3.2 লস গণনা
3.3 ব্যাকওয়ার্ড পাস3.3.1 চেইন রুলে গ্রেডিয়েন্ট
🎬
ভিডিও · Videos (বাংলা ও English)
ক্লিক করলে সাইটের ভেতরেই ফ্লোটিং প্লেয়ারে চলবে · ভিডিও MySQL-এ সংরক্ষিত📺 আরও খুঁজুন
💻
হাতে-কলমে · Try it (Deep Learning)
এডিট করে Run চাপুন · Ctrl+Enterimport numpy as np
# 2-layer neural net from scratch learning XOR
rng=np.random.default_rng(0); X=np.array([[0,0],[0,1],[1,0],[1,1]]); y=np.array([[0],[1],[1],[0]])
W1,b1=rng.normal(size=(2,8)),np.zeros(8); W2,b2=rng.normal(size=(8,1)),np.zeros(1); sig=lambda z:1/(1+np.exp(-z))
for ep in range(5000):
h=np.tanh(X@W1+b1); o=sig(h@W2+b2); d2=o-y; d1=(d2@W2.T)*(1-h**2)
W2-=0.1*h.T@d2; b2-=0.1*d2.sum(0); W1-=0.1*X.T@d1; b1-=0.1*d1.sum(0)
if ep%1000==0: print("epoch",ep,"loss",round(float(((o-y)**2).mean()),4))
print("XOR predictions:",o.round(2).ravel())❓
সেল্ফ-চেক · Self check
1. “পূর্বাভাস” — এটি কোন সাব-টপিকের বর্ণনা?
2. “চেইন রুলে গ্রেডিয়েন্ট” — এটি কোন সাব-টপিকের বর্ণনা?
🔗