ResNet反向传播公式推导

最新推荐文章于 2025-04-21 11:11:10 发布

legend_hua

最新推荐文章于 2025-04-21 11:11:10 发布

阅读量1.2w

点赞数 6

分类专栏：人工智能机器学习文章标签： ResNet 残差网络反向传播梯度

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/legend_hua/article/details/81741992

版权

本文介绍了ResNet残差网络如何通过反向传播提高深层网络训练效率。ResNet结构中，增加输入到输出的直连项使得误差传播过程中出现1的项，有助于梯度的传递，尤其是在权重正则化影响下，避免梯度消失问题。通过正向传播的分析，残差块学习恒等函数变得容易，确保网络即使加深也不影响性能，甚至提升效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

ResNet残差网络结构在深层网络中训练效率会提高，为什么呢，我们下面用公式解释一下。我们先回顾全连接网络和卷积网络反向传播的过程，细节推导见我的博客

一、DNN结构反向传播

1、l层全连接层的反向传播的W的梯度公式

$\frac{\partial J}{\partial W^l}=\frac{\partial J}{\partial z^l}(a^{l-1})^T$

2、l层全连接层的反向传播的b的梯度公式

$\frac{\partial J}{\partial b^l}=\frac{\partial J}{\partial z^l}$

3、层与层之间的梯度传播依靠

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。