Java CNN卷积反传_Java_Conv Neural Network_Convolution

Java CNN卷积反传

java

Java CNN卷积反传,java,conv-neural-network,convolution,Java,Conv Neural Network,Convolution,我尝试用Java从头开始实现CNN。我没有使用任何使事情变得更困难的外部库我的CNN具有以下结构：Input->[ConvLayer、Pool、ReLU、FullyConnected]->Output 这些层几乎可以按任何顺序添加到彼此后面。除ConvLayer外，每一层都可以工作。向前传球很好，但我被错误的向后传球和权重的更新所困扰我知道这是一种反向卷积，有反向的内核或类似的东西，但我就是不能让它工作，如果有人能简单地解释什么值必须乘以什么值，那就太好了：）我的尝试可以在这里找到：我

我尝试用Java从头开始实现CNN。我没有使用任何使事情变得更困难的外部库

我的CNN具有以下结构：

Input->[ConvLayer、Pool、ReLU、FullyConnected]->Output

这些层几乎可以按任何顺序添加到彼此后面。除ConvLayer外，每一层都可以工作。向前传球很好，但我被错误的向后传球和权重的更新所困扰

我知道这是一种反向卷积，有反向的内核或类似的东西，但我就是不能让它工作，如果有人能简单地解释什么值必须乘以什么值，那就太好了：）

我的尝试可以在这里找到：

我很高兴能得到任何帮助

您好，芬恩当我们为一个特定的层做反向传球时，我们需要

该层的损失或错误值
前一卷积层的输出
“Delta”，这是相对于卷积输出的部分损失

事实上，卷积层中的权重更新与完全连接层中的操作非常相似。如果在完全连接层中计算损耗L，则可以通过L中与y相关的部分来计算卷积层的损耗，其中y是本例中卷积层的输出。然后梯度计算将与完全连接层的计算相同

如果您喜欢更数学的描述，请参阅

希望这能对你有所帮助。

我真的不明白梯度的计算是如何相同的。我的意思是分享重量。在我的没有共享权重的多人感知器中，我得到了每个连接的梯度，但是如何使用共享权重计算梯度？我认为我们应该对所有表达式求和，其中一个特定的共享权重适用。因此，与权重更新为这样的MLP相比：权重+=-eta*错误信号*previousLayer.output。权重将神经元与输出和给定错误信号连接起来。所以我应该像这样更新每个使用它的连接的权重吗？