Roe_D的博客

交叉熵误差 和 softmax 函数都有算概率和标签化的功能 反方向传播： 因为正向传播都关系到 多个权重W，求偏导其实就是 E（误差）关于W权重的导数，对W求导，意义就是：w的变动对E影响的贡献程度的大小 又W 是W1 W2 等的一个总关系，他们通过链式法则串起来的像个递归。 通过梯度法确定试W的方向，学习就是反复将试W， #sigmoid 激活函数 import numpy as np def...

import sys ,os sys.path.append(os.pardir) from common.layers import *#layers保存神经网络的层的有序字典/155 from common.gradient import numerical_gradient#梯度 from collections import OrderedDict class TwolayeNet: ...