先区别一下前向传播和反向传播
前向传播是输入层输入的数据（即样本）开始从前向后，一步步将数据传输到输出层，反向传播即反过来，从后向前一步步还原到输入层。
反向传播的作用就是用于权重的更新，使神经网络的结果更接近于标签
那么怎么衡量这个接近呢？我们要用到损失函数loss，来衡量模型的输出与真实标签的差异
反向传播的原理就要用到我们常用的微积分中的链式求导法则即
相比于正向传播，反向传播就是通过链式求导法则反推出
从x到y为正向传播，从y反推出x为方向传播
公式如下：
相关文章：
猜你喜欢
相关资源
相似解决方案
热门标签