深度学习(六)——反向传播计算w对应的梯度

在这里插入图片描述
在这里插入图片描述
如下图,从下往上是第一阶段,第二阶段是从上往下
在这里插入图片描述
上图总结如下图
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
上图中正向传播过程是绿色的数字,从左导右
上图中反向传播(红色数字,从右到左),算法:求偏导之后将x代入算出结果,比如第一个结点1/x,它的偏导公式在上图中有,把1.37代入得-0.53,注意这里不是把0.73也不是把1当x代入,而是把1.37代入,因为x本来就是1.37,1/1.37才等于0.73,所以x是1.37,依次类推…

  • 怎么调整w?当算出w2 的梯度为 0.2时,此时下一次的w应为 -3-(学习率*梯度0.2),这就是怎么调w的方法

上述过程就是反向传播的过程

而tensorflow不会这么一层一层求导函数,它会把整个 f 函数(比如sigmod函数//(1+e**-z))求偏导,然后代入x

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值