知识卡片
反向传播按层计算梯度
前向把输入送过各层并计算损失。反向用损失对后层输出的变化复用计算前层参数梯度,最后由优化器更新。小批量把多个样本的梯度合在一起,可减少逐样本波动并避免每步扫遍训练集。
关联:[[学习率控制下降步长]]。反向传播给出梯度,学习率决定参数实际移动。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 6.3.2 神经网络 · 查看原书依据
这种梯度从输出端向输入端计算传播的过程称为反向传播
参考来源
- 位置:《强化学习入门:从原理到实践》第6章《6.3.2 神经网络》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter60.xhtml`,body 子元素 18
- 结论依据:原文用前向预测和逐层梯度计算描述训练。
- 原始内容:这种梯度从输出端向输入端计算传播的过程称为反向传播