知识卡片

普通读书笔记卡 · 生成模型:未记录

反向传播计算梯度

理解等级:中级

反向传播沿计算图从损失向输入方向应用链式法则,计算损失对各层参数的偏导数。一个中间量影响多个后续节点时,须把各条路径对它的梯度贡献相加。梯度计算与优化器根据梯度更新参数是两个步骤;ReLU 等在个别点不可导时实践中使用约定的梯度。

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:《破解深度学习(基础篇)_模型算法与实现》第4章《深度神经网络:误差倒查分解》(来源项目 book-source:`extracted/破解深度学习(基础篇)_模型算法与实现/_epub-src/EPUB/xhtml/qz03_0007.xhtml`,4.3—4.4) - 结论依据:原文、公式图和示例代码说明传播或训练过程;对原书不准确说法作必要区分。 - 原始内容:反向传播(back propagation)本质上是指神经网络每层参数梯度的计算方法