只要你懂 Python，大概记得高中学过的求导知识，看完这个视频你还不理解反向传播和神经网络核心要点的话，那我就吃鞋:D

Andrej Karpathy，前特斯拉 AI 高级总监、曾设计并担任斯坦福深度学习课程 CS231n 讲师、OpenAI 创始成员和研究科学家。在 7 月离职特斯拉后，Andrej 在家录制了一个详解反向传播的课程，自信表示「这是 8 年来领域内对神经网络和反向传播的最佳讲解」，并在推特打赌「看不懂就吃鞋」。

虽然很想看 Andrej 直播吃鞋，但实话实说，作为小白的我，好像真的看懂了。

课程视频

字幕由矩池云翻译制作

课程介绍

课程时长 2 小时 25 分钟，基于 micrograd 详细介绍并演示了神经网络的搭建和反向传播的过程。Micrograd 是 Andrej 于 2020 年编写并开源的微型 autograd（自动梯度）引擎。其中用 100 行代码实现了针对动态构建的 DAG 的反向传播算法，并用 50 行代码实现了类 PyTorch API 的库。目前，micrograd 项目的 GitHub Star 量已达 2.6k。

基于 micrograd，Andrej 介绍了只有一个输入的简单函数的求导（y = 3x² - 4x + 5 这个函数中，求 y 对 x 的导数）和具有多个输入的简单函数的求导（已知3个输入a、b、c，并且 d = a * b + c，求d分别对a、b、c的导数）、启动 micrograd 的核心 Value 对象及其可视化的方法，并举了两个手动反向传播的例子。接下来 Andrej 系统地介绍了：

为单个运算实现反向传播； 为整个表达式图实现反向函数； 修复反向传播中一个节点多次使用出现的 bug； 使用更多运算替换 tanh 激活函数； 在 PyTorch 中实现上述运算并与 micrograd 进行比较； 用 micrograd 构建一个神经网络库（MLP）； 创建一个微型数据集，编写损失函数； 收集神经网络的所有参数； 手动进行梯度下降优化，训练网络。 最后 Andrej 总结了反向传播与现代神经网络的关系。此外，Andrej 还探究了 PyTorch 中 tanh 激活函数的反向传播机制

课程主讲

Andrej Karpathy 出生于斯洛伐克，15 岁时随家人移民加拿大。来到加拿大的 Andrej 还不会说英语，但数学成绩非常优秀，完成高中学业后进入多伦多大学计算机科学与物理系并辅修数学，在那里他遇到了 Geoffrey Hinton 教授，也是在 Geoff 的课上，他接触到了深度学习算法。

2009 - 2011 年，Andrej 硕士就读于加拿大不列颠哥伦比亚大学，其导师为计算机科学系教授 Michiel van de Panne，主要研究物理模拟中用于敏捷机器人的机器学习。

CS231n 初露锋芒

2011 年，Andrej 进入斯坦福大学攻读博士学位，师从李飞飞主攻深度学习和图像识别。在斯坦福，他和导师李飞飞一起研究图像识别与深度学习算法，主导设计了斯坦福第一门深度学习课程《CS231n：用于视觉识别的卷积神经网络》，并和李飞飞共同担任主讲人。很快，这门课成为斯坦福的网红课程，注册学生从开课时的150人增加到两年后的750人。

在读博期间，Andrej 发表的多篇论文都是 CV 领域的高引文章，还在 Google、DeepMind 两家公司实习。

他会是全世界最顶级的AI领袖

2016年 Andrej 成为 OpenAI 创始成员，也是在这里，他的天赋被马斯克看中，马斯克不惜得罪 OpenAI 其他成员把 Andrej 从 OpenAI 带到了特斯拉。五年里，Andrej 一手促成了 Autopilot 的开发。随着特斯拉从最开始的自动驾驶慢慢扩展到更广泛的人工智能领域，他也被提为特斯拉的AI高级总监，直接向马斯克汇报工作。

据说马斯克曾说过，很多人把 Andrej 当做优秀的 AI 视觉科学家，但我知道，他会是全世界最顶级的 AI 领袖。

而这位 AI 领袖现在才36岁...