卷积神经网络-卷积核参数是怎么更新的

前向传播：使用卷积核大小为2*2，步长为（2,2）

进过全连接层得到Z，计算损失得到L

从上述公式中可以看出，每个w和每个y都有关

反向传播：

计算偏导数

其中y和w的导数可以直接计算出来，替换为常数a

提取常数项和后面的偏导项，形成了一个和卷积一样的公式，这个卷积核步长为(2,2),里面的参数就是后面的偏导项。 其实根据上述公式已经可以更新了。

得到卷积核中对应参数的偏导项，就可以更新参数了。为学习率。