← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 8862.b.2 · 生成模型:未记录

反向传播计算参数梯度

理解等级:中级

前馈网络训练先把输入逐层前向计算得到输出和损失,再按链式法则从输出向输入传播梯度,求出每层参数对损失的影响,最后由优化器更新参数。反向传播是计算梯度的方法,参数如何更新由具体优化算法决定。

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:《现代人工智能技术》第6章《神经网络》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter8.xhtml) - 结论依据:原文说明训练先前向传播,再反向计算局部梯度并更新参数。 - 原始内容:BP反向算法在训练过程中,先进行一次前向的传播过程,再进行反向传播过程更新每一层参数