反向传播 共 2 篇文章

为什么反向传播的链式法则与正向传播方向相反:计算图求导顺序
2026-07-05 06:43:25
为什么反向传播的链式法则与正向传播方向相反:计算图求导顺序 理解神经网络如何学习,关键在于掌握反向传播算法。一个核心困惑是:为什么计算梯度的链式法则,其顺序与数据的正向流动方向相反?本文将通过计算图这一直观工具,拆解其背后的逻辑。 1. 理解计算图:一切操作的舞台 首先,我们需要一个清晰的“舞台”来
反向传播 链式法则 计算图
34 0
为什么残差连接能解决梯度消失:恒等映射的梯度高速公路
2026-06-26 14:41:08
为什么残差连接能解决梯度消失:恒等映射的梯度高速公路 深度神经网络的训练曾有一个拦路虎:当网络堆叠得非常深时,底层的参数几乎学不到东西。这被称为“梯度消失”。残差连接的出现,像为梯度修建了一条高速公路,一举解决了这个问题。 理解问题:传统网络中的“梯度消失” 在反向传播算法中,梯度是损失函数对网络参
残差连接 梯度消失 恒等映射
43 0