神经网络中向前通过和向后通过的含义是什么？
每个人在谈论反向传播和时代时都提到这些表达。
我知道前进和后退共同形成一个时代。
[“ forward pass”]是指计算过程，即输入数据中输出层的值。它遍历从第一层到最后一层的所有神经元。
根据输出值计算损失函数。
然后“后退”]是指使用梯度下降算法（或类似方法）计算权重变化的过程（实际上是[[learning）。计算是从最后一层到最后一层。
“迭代”。
[一次迭代中，通常传递数据集的子集，称为“ mini-batch”
（如果一次传递所有数据，则称为“ batch”）“ Epoch”
表示传递整个数据集。一个纪元包含项目数 //批量大小迭代