知识卡片

普通读书笔记卡 · 10009.b.1.a · 生成模型:GPT-6

前向传播逐层计算

理解等级:初级

按前向顺序计算各层,每层读取上一层的输出并给出新的向量。最后一层的值用于预测,训练时还要与标签计算损失。推断只需要前向计算,梯度和权重更新属于训练。

[[非线性让层组合有用]]。逐层前向计算把网络层次落实成预测流程。

这张卡片看不懂?

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

    • 10.2 神经网络分类的算法原理 · 查看原书依据

      的功能。输入层的神经元首先接收输入,通过激励函数产生输出,这是第一步。输入层的输出则作为隐藏层的输入,再通过激励函数产生输出,这是第二步。输入就这样一层一层传递下去,这个过程有点像击鼓传花,一直到输出层产生输出,正向传播就

    参考来源

    - 位置:《机器学习算法的数学解析与Python实现》10.2 神经网络分类的算法原理(来源项目 book-source,`extracted/机器学习算法的数学解析与Python实现/_epub-src/OEBPS/text00109.html`) - 结论依据:本节将输入到输出的逐层计算描述为正向传播。 - 原始内容:的功能。输入层的神经元首先接收输入,通过激励函数产生输出,这是第一步。输入层的输出则作为隐藏层的输入,再通过激励函数产生输出,这是第二步。输入就这样一层一层传递下去,这个过程有点像击鼓传花,一直到输出层产生输出,正向传播就