文章详细介绍了在神经网络中使用链式法则进行梯度下降的计算过程，包括前向传播和反向传播。对于输出层，其梯度直接与损失函数相关；而对于非输出层，需要通过反向传播逐步计算直至输出层。这种方法是训练神经网络优化模型的关键步骤。
是一种高效计算梯度下降的方法。
Chain Rule（链式法则）
定义了一个loss function是所有training data的loss之和。
- 考虑某一个neuron的情况
- Forward Pass
z对w的偏微分就是输入x。
- Backward Pass
- Case1- Output Layer
假设两个红色的neuron已经是output layer
- Case2- Not Output Layer
假设现在红色的neuron并不是整个network的output，我们就需要和之前的步骤一样继续迭代，直至输出层。
实际上，Backward pass就是从输出层开始，反向计算
。
Summary
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
