知识卡片
时间反向传播的梯度汇合
将 RNN 按时间展开后,某时刻状态既影响当前输出也通过后继状态影响未来损失;反向传播时需要把这些路径的梯度相加,同一参数在各时刻的贡献也要累计。
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
- 基础循环神经网络:为序列数据而生 · 查看原书依据
同时有两个子节点,因此梯度计算更复杂,是两部分的和。
参考来源
- 位置:《破解深度学习(基础篇)_模型算法与实现》第8章《基础循环神经网络:为序列数据而生》(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_0011.xhtml`)
- 结论依据:原文、代码及图示;对于示例代码的评价属于复核所得。
- 原始内容:同时有两个子节点,因此梯度计算更复杂,是两部分的和。