BP算法的推导及其在Caffe中的实现

最新推荐文章于 2022-12-08 13:43:08 发布

Jimmyfu_

最新推荐文章于 2022-12-08 13:43:08 发布

阅读量968

点赞数

分类专栏：深度学习（Deep Learning）文章标签：深度学习Deep Learning Caffe深度学习框架

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/Jimmyfu_/article/details/53930574

版权

作者：傅朝友 (博客 Jimmyfu_ ) 链接：https://zhuanlan.zhihu.com/p/24622408来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。本博客转自本人知乎。首先明确一点：数据读取层是 data 之源，前向传播 data 得到预测概率密度和 loss ;损失层是 diff 之源 , 后向传播 dif

摘要由CSDN通过智能技术生成

作者：傅朝友 (博客 Jimmyfu_ )

本博客转自本人知乎。

链接：https://zhuanlan.zhihu.com/p/24622408
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

首先明确一点：数据读取层是 data 之源，前向传播 data 得到预测概率密度和 loss ;损失层是 diff 之源 , 后向传播 diff 更新权值。

本文只讲算法推导和思路，具体实现请查看 Caffe 源码。

假设： n $\rightarrow$ m $\rightarrow$ i $\rightarrow$ j $\rightarrow$ loss层共四层，其中 j 和 i 是全连接层，m 为 ReLu 层，n 可以不用管

--------------------------------------

loss 层：计算得到 <

最低0.47元/天解锁文章

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
BP算法的推导及其在Caffe中的实现

作者：傅朝友 (博客 Jimmyfu_ ) 链接：https://zhuanlan.zhihu.com/p/24622408来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。本博客转自本人知乎。首先明确一点：数据读取层是 data 之源，前向传播 data 得到预测概率密度和 loss ;损失层是 diff 之源 , 后向传播 dif
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。