假设函数 J(w)=w^2,当 w=3 时, J(w)=3*3=9
当我们给w增加一个很小的量时,观察J(w)如何变化。
例如 w=3+0.001, 则J(w)=9.006001,因此当w=3且增加一个变化量 ε 时,J(w)将会增加 6ε,也就是此时J(w)对 w 的导数值为6.

在python中求导


计算图(computation graph)
如下图中由边或箭头连接的结点
前向传播(forward prop):从左往右计算
后向传播(back prop):从后往前计算 J 对每一个的导数,是一种有效计算导数的方法,可以减少重复计算

文章讨论了函数J(w)的导数计算,通过增加量ε的变化分析J(w)的增量,介绍了前向传播和后向传播在大型神经网络中的计算图示例,展示了如何利用这些方法在Python中高效求解导数。
最低0.47元/天 解锁文章

被折叠的 条评论
为什么被折叠?



