神经网络的传播（权重更新）

84 阅读 0 评论 56 点赞

我是靠谱客的博主负责白昼，最近开发中收集的这篇文章主要介绍神经网络的传播（权重更新），觉得挺不错的，现在分享给大家，希望可以做个参考。

本文重在阐述神经网络里的前向传播和反向传播。

上一篇文章构建了一个简单的网络，可以看出来它对于手写数字的识别率还是可以高达91%。但我们尚未对神经网络处理的过程做出太多解释。

数据在网络中的传播有两种方式。一种是沿着输入到输出的路径，被称为前向传播。一种是从输出返回到输入，被成为反向传播(backprop)。

train_step = tf.train.GradientDescentOptimizer(0.2).minimize(loss)
sess.run(train_step, feed_dict={
  x: batch_xs, y: batch_ys})

前文代码节选

当我们运行最小化loss的时候，为了求出loss的值，我们的数据会沿着我们构建的通道向前流动，逐步的求出每个节点。

l o s s p r e d i c t i o n i v i = (y - p r e d i c t i o n) 2 / 10 = [s o f t m a x (w i x + b i)] = e v i \sum j = 0 e v i = s o f t m a x (w i x + b i)

以上就是负责白昼为你收集整理的神经网络的传播（权重更新）的全部内容，希望文章能够帮你解决神经网络的传播（权重更新）所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。