cs231n关于反向传播的理解
2017-12-03 20:59
197 查看
梯度计算方法是导数乘以下一步梯度值,比如最后一步,1/x的导数是-1/x^2,带入前一步1.37,然后再乘以最后一步的红色1.00,就是-0.53,然后再往前一步,+1的导数为1,因为是类似于C+X,这样的,导数是X的1,所以1*-0.53=-0.53,一直往前,又到+的分差那边,相当于X+Y,分别对x,y求偏导数,导数都是1,所以0.2的梯度都不变,然后到红色方框那一步,wx,对于w0和x0,互相为对方的偏导数,所以w0的梯度为-1*0.2=-0.2。
相关文章推荐
- CNN卷积神经网络反向传播机制的理解
- 关于MatConvNet的反向传播原理及源码解析
- 关于XCode数据库反向工程的理解
- 理解神经网络中的反向传播法
- 关于颜色直方图和反向投影的一些理解
- CS231n课程笔记翻译(九):反向传播笔记
- CS231n课程笔记翻译:反向传播笔记
- [NN] 对于BackPropagation(BP, 误差反向传播)的一些理解
- CS231n 课程笔记翻译:反向传播笔记
- 一张图理解训练的BP反向传播
- CS231n作业笔记1.3:SVM的误差函数以及反向传播(非向量及向量算法)
- Caffe中的反向传播代码理解
- 深度学习与计算机视觉系列(5)_反向传播与它的直观理解
- CS231n课程笔记翻译5:反向传播笔记
- 深度学习与计算机视觉系列(5)_反向传播与它的直观理解
- CNN的反向传播推导与理解
- CNN卷积神经网络--反向传播(4,代码理解)
- 反向传播中的数学理解
- 深度学习与计算机视觉系列(5)_反向传播与它的直观理解
- 对BP神经网络的正向传播与反向传播的理解