Backpropagation(反向传播)

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。
摘要由CSDN通过智能技术生成

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 

 

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