backpropagation 相关问题

反向传播是梯度计算的一种方法，通常用于人工神经网络中以执行梯度下降。

在这里，我试图用一个隐藏层来实现一个神经网络来对两个训练样例进行分类。该网络利用S形激活功能。层的尺寸和......

python numpy machine-learning neural-network backpropagation

回答 2 投票 3

我试图实现一个无隐藏层神经网络来破解MNIST数据集。我使用sigmoid作为激活函数和交叉熵作为损失函数。为简单起见，我的网络没有隐藏......

machine-learning neural-network backpropagation

回答 1 投票 0

我应该避免将L2正则化与RMSprop和NAG结合使用吗？ L2正则化项干扰梯度算法（RMSprop）？最好的祝福，

machine-learning neural-network backpropagation

回答 1 投票 1

我正在尝试使用tf.py_func和tf.RegisterGradient设置自定义渐变。具体来说，我试图采用其拉普拉斯算子的特征值的梯度。我得到了基本的工作，我的......

python tensorflow gradient backpropagation eigenvector

回答 1 投票 3

我正在用PyTorch（0.4）实现DDPG并且卡住了支持损失。所以，首先我的代码执行更新：def update_nets（self，transitions）：“”“执行一个更新步骤：...

neural-network pytorch backpropagation reinforcement-learning loss

回答 2 投票 2

我已按照此视频中的说明实施了反向传播。 https://class.coursera.org/ml-005/lecture/51这似乎已经成功，通过梯度检查，并允许我训练...

backpropagation activation derivative delta

回答 3 投票 9

我知道可以使用梯度下降训练神经网络，我理解它是如何工作的。最近，我偶然发现了其他训练算法：共轭梯度和准牛顿算法。一世 ...

neural-network backpropagation gradient-descent

回答 1 投票 -1

我读到这篇关于反向传播如何运作的文章，我理解他们所说的一切。他们说要找到梯度，我们必须将成本函数的偏导数加到每个权重/ ...

machine-learning neural-network deep-learning backpropagation gradient-descent

回答 1 投票 -2