使用场景

学生通过Excel文件手动计算Softmax函数，理解其在多分类问题中的应用。

研究人员使用Backpropagation的Excel教程来验证新的优化算法。

教师将Transformer的Excel教程作为教学材料，帮助学生理解注意力机制。

产品特色

Softmax：理解多类分类问题中的输出概率计算。

LeakyReLU：学习激活函数中的一种，了解其如何帮助解决梯度消失问题。

Backpropagation：手动计算和理解神经网络中的反向传播算法。

Transformer：通过Excel实现Transformer模型的关键部分，理解注意力机制。

Recurrent Neural Network (RNN)：学习循环神经网络的基本结构和工作原理。

Mamba：即将推出的模块，可能涉及更多高级AI概念。

使用教程

访问ai-by-hand-excel的GitHub页面。

下载感兴趣的Excel文件，例如'Update Transformer.xlsx'。

打开Excel文件，按照文件中的指南进行操作。

执行文件中的公式和计算，观察结果并理解背后的原理。

尝试修改参数，观察模型行为的变化。

阅读README.md文件，了解更多关于项目的背景信息和使用方法。

如果遇到问题，可以查看项目的Issues页面或寻求社区的帮助。

完成学习后，可以尝试自己创建类似的Excel教程，加深理解。