知识卡片
反向传播计算参数梯度
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?
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
- · 第6章 神经网络
原书出处 · 1 处
- 神经网络 · 查看原书依据
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
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