[dywergent]

czy jakas alternatywka moglaby mi wytlumaczyc intuicje za proporcja wymaganej mocy obliczeniowej do niepewnosci w zejsciu gradientowym?

[4gN4x]

@dywergent: glarp glarp

[fsfdjf]

@dywergent ciężkie się wylosowało

[bialy100k]

wytlumaczyc intuicje za proporcja wymaganej mocy obliczeniowej do niepewnosci w zejsciu gradientowym?

@dywergent: Im mniejszą niepewność chcesz uzyskać w zejściu gradientowym, tym dokładniej musisz obliczać gradienty, co wymaga wykładniczo większej mocy obliczeniowej.

[dywergent]

@bialy100k: no tak ale dlaczego, dlaczego niepewnosc maleje w stosunku n^(1/2) do liczby n obserwacji - jaka jest intuicja za tym?

[bialy100k]

@dywergent: Dlatego, że szum losowy uśrednia się, ale nie znosi się całkowicie

[bialy100k]

@dywergent:

P.S.

Ja się nie znam.

[dywergent]

@bialy100k: ostatnia szanse ci daje potem blok za celowe zaciemnianie zagadnienia

[Bananada]

@dywergent: Im mniejszą chcesz mieć niepewność w kierunku zejścia (czyli dokładniejszy gradient), tym więcej musisz policzyć.
Dokładność rośnie wolniej niż koszt, żeby 2x zmniejszyć niepewność, potrzebujesz 4x więcej obliczeń.

[dywergent]

@bialy100k: masz szczescie

[dywergent]

@Bananada: fenibutu doloz bo to nie ma sensu co mowisz, to nie jest zadna intuicja, nic to nie wyjasnia tylko powtarzasz co jest napisane

[Bananada]

@dywergent: chciałeś alternatywne to nie wymagaj zbyt wiele

[Kantor_wymiany_mysli_i_wrazen]

@dywergent: #smiesznekotki