本文通过一个实例详细解释了在卷积神经网络中Conv2d层的反向传播过程中，梯度如何计算。具体展示了从损失函数到输入x的梯度∂x∂L的计算过程，并指出在反向传播中，卷积核需进行180度旋转以及输入矩阵需要适当padding。公式和图像辅助展示了计算细节。
我们用一个例子来说明：
令
x ∗ w = y x*w=y x∗w=y
并且
x = [ x 11 x 12 x 13 x 21 x 22 x 23 x 31 x 32 x 33 ] , w = [ w 11 w 12 w 21 w 22 ] , y = [ y 11 y 12 y 21 y 22 ] x=\begin{bmatrix} x_{11} & x_{12} & x_{13}\\ x_{21} & x_{22} & x_{23}\\ x_{31} & x_{32} & x_{33} \end{bmatrix}, \quad w=\begin{bmatrix} w_{11} & w_{12}\\ w_{21} & w_{22} \end{bmatrix}, \quad y=\begin{bmatrix} y_{11} & y_{12}\\ y_{21} & y_{22} \end{bmatrix} x=⎣⎡x11x21x31x12x22x32x13x23x33⎦⎤,w=[w11w21w12w22],y=[y11y21y12y22
最低0.47元/天 解锁文章
扫一扫
5062
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
