RNN1/ Réseaux récurrents (RNN)

[@bouramacoulibaly1981]

La meilleure vidéo que j'ai trouvé sur les réseaux récurrents. Merci beaucoup Professeur!

[@CNRS-FIDLE]

Merci à vous pour votre intérêt concernant notre formation et pour votre retour :-)

[@qf4364]

Merci beaucoup ! Très clair meilleur que beaucoup de vidéo en anglais!

[@CNRS-FIDLE]

Merci beaucoup !

[@Lydias_1999]

Bonjour Vous avez compris pourquoi on utilise la transposé de W?

[@ibrahimabarry8839]

merci Mr, vous expliquez tres bien.

[@CNRS-FIDLE]

Merci !

[@thomasavron7916]

Merci ! Super clair notamment sur les LSTM !😊

[@CNRS-FIDLE]

Merci à toi 😊

[@MateniaVlaxou]

Super explication, bravo !!!!

[@CNRS-FIDLE]

Merci :-)

[@didierleprince6106]

Excellent pédagogue. Merci (:

[@CNRS-FIDLE]

Merci à vous également :-)

[@SAMATECHOSINT]

superbe

[@yveslacroix4554]

Merci pour vos efforts

[@CNRS-FIDLE]

Merci beaucoup ! Rendez-vous le 20 janvier pour le direct !

[@alexs7139]

Bonne vidéo: la meilleure sur les RNN (en français en plus!). Dommage que sur la partie LSTM, votre tête cache les légendes: ça rend le schéma assez incompréhensible 😅 (si on ne connaît pas déjà l’architecture…)

[@CNRS-FIDLE]

Merci beaucoup ! Notez qu'une nouvelle version de cette séquence est disponible sur notre chaine, dans laquelle nous avons été plus attentifs à cela ;-)

[@louiseti4883]

Merci pour la qualité de la vidéo !! J'aurai une question quant à la taille des vecteurs en Output : pourquoi sont-ils de tailles égales au nombre de neurones de la hidden cell ? Ne pouvons-nous pas choisir leur taille librement comme nous pourrions le faire dans des réseaux de neurones classiques ?

[@CNRS-FIDLE]

Merci pour votre retour ! Dans les cas des réseaux récurrents, on parle plutôt de cellules. La sortie d'un RNN sera un vecteur ayant un nombre de composantes identique au nombre de cellules constituant le réseau (voir slide 17).

[@naimsouni4428]

superbe vidéo !

[@CNRS-FIDLE]

Merci !

[@chaymaegattoua5215]

Merci bcp,,,,c'est très interessant

[@CNRS-FIDLE]

Merci !

[@hamzarahmani2100]

Merci pour la vidéo. Toutefois vous n'avez pas expliqué comment le modèle est entrainé? Où est ce que intervient l'erreur MSE et le nombre d'itérations?

[@CNRS-FIDLE]

Vous pourrez trouver ces réponses dans la première séquence, également disponible en replay sur notre chaine :-)

[@Lydias_1999]

Bonjour monsieur Merci pour votre explication Mais j'ai pas bien compris pourquoi on utilise la transposé de W au lieu de W tout court ??? Merci Pour vôtre réponse

[@CNRS-FIDLE]

On utilise la transposée de W afin de permettre la multiplication avec le vecteur X.

[@hamadoumossigarba1201]

Bonjour, Peut-on utiliser cette technique pour un registre distribué ?

[@CNRS-FIDLE]

Pas sûr du tout.... Les Transformers (cf. seq. 8) sont par contre beaucoup plus performants et parallélisables :-)

[@SAMATECHOSINT]

peut on voir les cours complets du deep en pdf?

[@CNRS-FIDLE]

Bonjour, Vous pouvez retrouver tous les supports de cours sur notre site internet : fidle.cnrs.fr/ Dans l'onglet "Ressources", vous pouvez télécharger tous les supports de cours.

[@teeg-wendezougmore6663]

Merci beaucoup pour ce partage. Comment peut-on citer ce cours dans un document scientifique?

[@CNRS-FIDLE]

Ah, bonne question ;-) Par exemple : Jean-Luc Parouty et al., Formation Introduction au Deep Learning (FIDLE), fidle.cnrs.fr, 2022 Merci à vous de nous citer !

[@teeg-wendezougmore6663]

@@CNRS-FIDLE Merci

[@THIERRYSIKANDI]

bonsoir prof vous êtes le meilleur merci infiniment .Svp j'ai un gros probleme pour le installation des application nécessaire pour la formation ,svp je peut avoir de aide?

[@CNRS-FIDLE]

Vous trouverez sur notre site les différentes procédures actualisées de récupération et installation de l'environnement. La procédure via Docker est celle que nous conseillons, mais une installation traditionnelle, via un environnement virtuel Python est également possible.