神经网络反向传播算法

今天我们来看一下神经网络中的反向传播算法，之前介绍了梯度下降与正向传播~       神经网络的反向传播

专栏：💎实战PyTorch💎

反向传播算法（Back Propagation，简称BP）是一种用于训练神经网络的算法。 

反向传播算法是神经网络中非常重要的一个概念，它由Rumelhart、Hinton和Williams于1986年提出。这种算法基于梯度下降法来优化误差函数，利用了神经网络的层次结构来有效地计算梯度，从而更新网络中的权重和偏置。

基本工作流程：

1. 通过正向传播得到误差，所谓正向传播指的是数据从输入到输出层，经过层层计算得到预测值，并利用损失函数得到预测值和真实值之前的误差。<