通俗来说前向传播就就是给出x和W算出最后的loss值
一、得分函数计算结果
假设猫图片分成四块,对应三组不同照片分类的权重(猫,狗,船),拿提取的猫的像素矩阵去跟产生的随机矩阵相乘,再加上b(),得出的最后结果就是相应照片分类的得分情况,图中是一个猫图片然而算出的狗的得分最高说明,产生的随机数权中矩阵不符合实际情况。
权重矩阵解析:正数表示对分析图片具有促进作用的像素点(大多为可以体现出物体特征的点),正数越大代表这个像素点对判断此物体结果比较重要(比如狗的权重里面的2.1和0相比,说明第三块像素点对狗的判断信息很重要,可能是狗的面部提取的像素点,然后0的像素点可能就是背景的,对狗的判断信息影响不大)。
负数表示对分析图像具有抑制作用的点(大多为容易和其他物体混淆的像素点)
二、损失函数计算
损失函数越低越好,图中的结果误差就很大,比如第一个猫图,判断为汽车的得分为5.1,公式中+1可以理解为这组模型的容忍程度。
正则化惩罚项用于结果差距太多,防止过拟合太多的现象
最后得出来的得分,要使用Softmax分类器转化成一个概率值,具体计算过程如下:
图片来源up主:人工智能那些事儿