Больше примеров производных

Зачем это нужно: одного-двух примеров недостаточно, чтобы увидеть общий паттерн — что у каждой функции своя формула наклона. «Производные: что такое наклон функции» объяснила саму идею на f(a)=3a (наклон-константа) и f(a)=a2 (наклон меняется от точки к точке); если это незнакомо — начни оттуда. Здесь — ещё два примера, которые закрепляют паттерн и понадобятся дальше при разборе вычислительных графов.

Напомним: численная производная (f′(a)) — это подвинуть вход функции на крошечный ε, посмотреть, на сколько сдвинулся выход, и поделить одно на другое; формула наклона даёт тот же ответ мгновенно, без замера.

Кубическая функция, f(a)=a3: производная f′(a)=3a2. Проверка при a=1,2,5:

Натуральный логарифм, f(a)=ln⁡(a): производная f′(a)=1/a. Тот же логарифм, что встречался в кросс-энтропии из «Бинарной классификации» — там он мерил штраф, здесь у него просто есть свой наклон. Проверка при a=1,2,5:

Совпадения не случайны — это одна из причин, почему математики выводят такие формулы раз и навсегда, а не гоняют численный замер на каждом шаге. Заметь общий паттерн, который повторяется во всех четырёх примерах (этой статьи и предыдущей — «Производные: что такое наклон функции»): у каждой функции — своя формула наклона, и эта формула может как быть постоянной (f(a)=3a), так и зависеть от точки (a2, a3, ln⁡(a)). Backprop, который мы разберём в следующих статьях, — это способ быстро посчитать нужные наклоны для сложной цепочки функций, не гоняя численный замер по всей нейросети на каждом шаге.

Мини-квиз: пользуясь формулой 3a2, чему равен наклон f(a)=a3 в точке a=10?

Ответ3⋅102=3⋅100=300. Формула наклона сразу выдаёт ответ в любой точке — без численного замера.

Что дальше

Дальше нейросеть — не одна функция, а цепочка из многих: чтобы посчитать производную такой цепочки, удобно сперва нарисовать её как схему. Это тема «Вычислительного графа».