反向传播算法与梯度下降算法

一、梯度下降算法(Gradient Descent)

来自李宏毅老师机器学习课程
梯度下降法通常也称为最速下降法,是一种用于最小化损失函数的优化算法。思想是通过函数当前点对应梯度(或者是近似梯度)的反方向,使用规定步长距离进行迭代搜索,希望找到一组参数(θ)使得损失函数最小化。但是当存在非常多的参数时,梯度计算非常困难,可以使用反向传播算法来解决这个问题,因此,反向传播算法其实就是梯度下降法过程中用来有效率地计算梯度的方法。

二、反向传播算法(Back Propagation)

刘二大人深度学习
摘自刘二大人深度学习
李宏毅老师机器学习
摘自李宏毅老师机器学习

Forward pass

在这里插入图片描述
在这里插入图片描述
前馈过程就是在每一步计算中,计算出z相对于w的梯度,用于后续计算。

Backward pass


反馈过程就是计算对于所有激活函数输入z的梯度,过程中要使用的链式法则。

Summary

在这里插入图片描述
前馈过程得到的每一步对于参数的梯度和反馈过程得到的对于所有激活函数输入z的梯度相乘即可得到损失对于参数的梯度,可以高效计算梯度,应用于梯度下降算法的参数梯度计算中。

  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    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 1
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