pytorch反向传播算法

本文概述了链式法则在神经网络中的应用,介绍了多输出感知机和多层感知机的概念,重点讲解了多层感知机的梯度推导过程,以及反向传播算法的核心——从输出层到输入层逐层计算梯度以优化权重。
摘要由CSDN通过智能技术生成

1. 链式法则复习

在这里插入图片描述

2. 多输出感知机

在这里插入图片描述

3. 多层感知机

如图:
在这里插入图片描述

4. 多层感知机梯度推导

简化式子把( O k O_k Ok - t k t_k tk) O k O_k Ok(1 - O k O_k Ok)起个别名叫 δ k K \delta^K_k δkK
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

5. 反向传播的总结

在这里插入图片描述
在这里插入图片描述

个人认为所谓的反向传播就是从输出层->到第一层输入一层一层计算梯度的过程,然后不断迭代达到优化W的目的。注意输出层和隐藏层是不一样的。

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