自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

-+

上一步保存

Gray的博客

iiGray

原创 python手搓CNN训练mnist手写数字数据集！

手写Conv,BatchNorm,MaxPool的反向传播，调用方式和torch几乎一样!!仅在1500张图片上训练的测试准确率超过90%

2024-01-15 20:25:16 1389 1

原创手写神经网络和反向传播，带你彻底搞清底层原理Plus！(含代码)

手写MLP和BP,彻底搞清神经网络训练的底层原理Plus！

2023-12-15 16:11:54 1157

原创 CNN反向传播原理!(超级详细地推导)(二)

数学推导CNN,究极...详细？

2023-10-08 18:57:35 256

原创 CNN反向传播原理!(超级详细地推导)

数学推导CNN的BP, 究极详细

2023-10-06 21:45:23 2727 2

原创手写神经网络和反向传播，带你彻底搞清底层原理(含代码)！

非常详细的从0开始手写多层感知机+反向传播(参考pytorch实现)

2023-09-29 19:27:51 1005 4

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

__Gray__

CSDN认证博客专家 CSDN认证企业博客

码龄3年

IP 属地：江苏省

IP属地以运营商信息为准，境内显示到省（区、市），境外显示到国家（地区）

5: 原创

54万+: 周排名

17万+: 总排名

6547: 访问

: 等级

127: 积分

55: 粉丝

64: 获赞

7: 评论

87: 收藏

私信

关注

热门文章

最新评论

CNN反向传播原理!(超级详细地推导)
宁若若: 牛的，手撕公式的大佬
python手搓CNN训练mnist手写数字数据集！
CSDN-Ada助手: 恭喜你这篇博客进入【CSDN每天值得看】榜单，全部的排名请看 https://bbs.csdn.net/topics/617939440。
手写神经网络和反向传播，带你彻底搞清底层原理(含代码)！
CSDN-Ada助手: 恭喜你写了这篇关于手写神经网络和反向传播的博客！看得出你对这个话题有很深的理解，而且能够把复杂的原理用简单的代码示例来解释，这对读者非常友好。希望你可以继续分享更多关于神经网络的内容，比如不同类型的网络结构、优化算法等，这样读者可以更全面地了解神经网络的底层原理，期待你的下一篇作品！推荐【每天值得看】：https://bbs.csdn.net/forums/csdnnews?typeId=21804&utm_source=csdn_ai_ada_blog_reply1
手写神经网络和反向传播，带你彻底搞清底层原理Plus！(含代码)
CSDN-Ada助手: 非常感谢作者分享这篇博客，内容非常丰富，让我对手写神经网络和反向传播有了更深入的理解。希望作者能够继续分享更多关于深度学习和神经网络的内容，也可以考虑结合一些实际应用案例，让读者更容易理解和应用所学知识。谢谢作者的辛勤付出，期待更多精彩的内容！如何快速涨粉，请看该博主的分享：https://hope-wisdom.blog.csdn.net/article/details/130544967?utm_source=csdn_ai_ada_blog_reply5
CNN反向传播原理!(超级详细地推导)
CSDN-Ada助手: 评论: 非常感谢您分享这篇博文，详细推导CNN的反向传播原理。这对于想要深入了解CNN的人来说，无疑是一份宝贵的资料。您的解释十分清晰，让读者能够透彻理解这个复杂的数学推导过程。继续创作下去吧！您的博客内容非常有价值，可以帮助更多人理解和应用CNN。期待能看到更多关于深度学习的文章，比如如何调整CNN的超参数或者应用CNN解决实际问题的例子。除了CNN的反向传播原理，还有一些与这篇博文相关但未在标题和摘要中提到的扩展知识和技能，例如：卷积神经网络的不同架构（如LeNet、AlexNet、VGG、ResNet等），优化算法（如Adam、RMSProp等），以及正则化技术（如dropout、L1/L2正则化等）。这些内容都是深度学习领域的热门话题，对于想要更深入了解CNN的读者来说，也是非常有帮助的。再次感谢您的分享，期待您未来更多的精彩文章！如何写出更高质量的博客，请看该博主的分享：https://blog.csdn.net/lmy_520/article/details/128686434?utm_source=csdn_ai_ada_blog_reply2

最新文章

提示

确定要删除当前文章？

取消删除