深度学习(3)基础3 -- 前向传播与反向传播
目录
一、前向传播
1、目的
2、前向传播过程
二、反向传播(梯度下降)
1、意义
2、目的
3、过程
4、门单元
5、更新权重计算
整体过程
前向传播:得到输出。
反向传播:更新权重。
最后调整权重:
一、前向传播
前向传播:从前往后,逐层计算。
1、目的
前向传播目的:得到损失值。
2、前向传播过程
1、先得到得分
2、把得分的差异放大(差异化,e^x)
3、归一化,得到概率
4、计算损失值
拿到数据之后,先经过得分函数,并不是经过一次变换,而是多次的变换。
二、反向传播(梯度下降)
1、意义
从后往前,逐层求导,可以得到前一项的权重。
作用:更新模型,达到学习的效果。
从后往前传递梯度,得到新计算出来的权重。
例如:
三个求偏导意义分别是:x、y、z对 f(结果)的影响。
2、目的
反向传播目的:优化权重参数(根据前向传播得到的损失值)。
3、过程
反向传播:从后往前,逐层计算。
目的:为了让损失函数的值最小。
反向偏导也可以一大块一大块地求。
4、门单元
1、加法门单元(相加)
2、MAX门单元(取最大)
3、乘法门单元(相乘)
5、更新权重计算
对这一部分进行分析:
为什么对w0求导,而不是x0?
x0是数据,不能随便改变,w0是权重,可以改变。
整体过程
(上面是前向传播,逐层计算,得到损失;下面是反向传播,逆推逐层计算,更新权重)
深度学习(3)基础3 -- 前向传播与反向传播相关推荐
- 深度学习入门笔记(六):误差反向传播算法
专栏--深度学习入门笔记 推荐文章 深度学习入门笔记(一):机器学习基础 深度学习入门笔记(二):神经网络基础 深度学习入门笔记(三):感知机 深度学习入门笔记(四):神经网络 深度学习入门笔记(五) ...
- 深度学习与自然语言处理教程(3) - 神经网络与反向传播(NLP通关指南·完结)
作者:韩信子@ShowMeAI 教程地址:https://www.showmeai.tech/tutorials/36 本文地址:https://www.showmeai.tech/article-d ...
- 【人工智能深度学习】人工智能中的梯度下降算法和反向传播教程
[人工智能深度学习]人工智能中的梯度下降算法和反向传播教程 梯度下降优化算法 参数化模型 用方块图表达参数模型的计算图 损失函数 梯度下降 在传统神经网络中随机梯度下降和反向传播算法的优势 随机梯度下 ...
- 深度学习第三次课-梯度下降与反向传播
梯度下降 损失函数可视化 得分函数 f=W*X 损失函数 c=W*X-y 目标 损失函数最小 最优化过程 可视化 一维 二维 热力图 如果损失函数是一个凸函数,例如SVM. 凸 ...
- 深度学习与神经网络(三)——多层感知机 反向传播 优化实战
介绍一个完完整整的,与我们实际使用一摸一样的多层感知机的反向传播方式 多层感知机MLP & 反向传播 与多输出感知机相比 有多层节点(绿色的) δkk是由Okk和tk得到的 所以δ一共有k个 ...
- 卷积神经网络的反向传播,卷积反向传播过程
如何对CNN网络的卷积层进行反向传播 在多分类中,CNN的输出层一般都是Softmax.RBF在我的接触中如果没有特殊情况的话应该是"径向基函数"(RadialBasisFunct ...
- cnn卷积神经网络反向传播,cnn正向传播和反向传播
如何对CNN网络的卷积层进行反向传播 在多分类中,CNN的输出层一般都是Softmax.RBF在我的接触中如果没有特殊情况的话应该是"径向基函数"(RadialBasisFunct ...
- 深度学习基础笔记——前向传播与反向传播
相关申明及相关参考: 体系学习地址 主要学习笔记地址 由于是文章阅读整合,依据个人情况标注排版, 不确定算不算转载,主要学习围绕AI浩的五万字总结,深度学习基础 如有侵权,请联系删除. 1前向传播与反 ...
- 深度学习的基础知识(机器学习、损失函数、梯度下降、反向传播、基础模型一网打尽)
1.预备信息 1.1了解技术的发展阶段 技术一般存在几个阶段:1.发展期.2.高峰期.3.冰河期.4.应用期 就是先达到一个高峰,但是在达到高峰之后就会被发现很多问题,然后热度就会不断地下降,到达一个 ...
- 花书+吴恩达深度学习(十三)卷积神经网络 CNN 之运算过程(前向传播、反向传播)
目录 0. 前言 1. 单层卷积网络 2. 各参数维度 3. CNN 前向传播反向传播 如果这篇文章对你有一点小小的帮助,请给个关注,点个赞喔~我会非常开心的~ 花书+吴恩达深度学习(十)卷积神经网络 ...
最新文章
- java web 总结,Java Web 相关概念经典总结(一)
- 【C#】关闭 Window 之后,无法设置 Visibility,也无法调用 Show、ShowDialogor 或 WindowInteropHelper.EnsureHandle...
- Java学习之容器上(Collection接口常用方法,Iterator接口,使用foreach循环遍历Collection集合元素,Set集合通用知识(Hashset类,hashcode()与Lin
- 210322阶段三QT事件循环及opencv图像处理
- [慢查优化]联表查询注意谁是驱动表 你搞不清楚谁join谁更好时请放手让mysql自行判定...
- Stream filter过滤案例
- linux超级终端minicom的使用方法
- 玩转木浪云数据管理免费版使用篇之内容搜索与颗粒度恢复
- 23种设计模式(9):访问者模式(转)
- mysql数据库总结_MySQL数据库优化-总结
- bootdo增加多级菜单
- PHP 实现发送短信验证码(CI框架)
- Android传感器
- C4D材质原理揭秘笔记-初学必看
- SQL server 插入日期处理
- [Maven实战-许晓斌]-[第二章]-2.2基于UNIX系统安装maven
- 门宝——门厂快速录单系统|木门录单软件
- python实现xlsx批量转xls(或者xls批量转xlsx)
- Node.js实现支付宝H5支付
- Java人才,请往这里看过来!
热门文章
- android 支付宝支付 出现系统繁忙,请稍后重试(ALI10)
- NOIP2013 华容道
- Codeforces 338D 对线性同余方程组的一点理解
- 2022-2028年中国车载天线行业市场前瞻与投资战略规划分析报告
- [原创]KVM虚拟化管理平台的实现
- 用sublime server 启动本地服务器(手机访问电脑页面)
- 数据绑定(Binding)
- android用户界面之菜单(Menu)教程实例汇总
- [Quick-x]制作新手引导高亮区域方法之二:裁剪模式
- 利用“哨兵”“实现双链表