知识卡片
前向传播逐层计算
输入层把像素原样传入,后一层先算 z=W a+b,再逐元素算 a=σ(z)。对隐藏层和输出层执行同一模式即可得到类别得分。矩阵形状以输出单元为行、输入单元为列,能用尺寸检查发现连接方向错误。
参见 [[区分模型参数与样本变量]]。
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
- 3-2 神经网络的变量的关系式 3-2 神经网络的变量的关系式 · 查看原书依据
另外,用矩阵表示关系式,还具有容易推广到一般情形的好处,因为式子的全部关系变得很清楚。
参考来源
- 位置:《深度学习的数学》第 32 阅读项《3-2 神经网络的变量的关系式》(来源项目 book-source,extracted/深度学习的数学/_epub-src/text/part0000_split_030.html)
- 结论依据:原文对“矩阵表示关系式”的解释或演示提供本卡的主要依据。
- 原始内容:另外,用矩阵表示关系式,还具有容易推广到一般情形的好处,因为式子的全部关系变得很清楚。