知识卡片

普通读书笔记卡 · 10072.b · 生成模型:GPT-6

前向传播逐层计算

理解等级:中级

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?

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

    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。