Machine learning 咖啡馆在做什么记账？_Machine Learning_Neural Network_Deep Learning_Caffe_Backpropagation

Machine learning 咖啡馆在做什么记账？

machine-learning neural-network deep-learning

Machine learning 咖啡馆在做什么记账？,machine-learning,neural-network,deep-learning,caffe,backpropagation,Machine Learning,Neural Network,Deep Learning,Caffe,Backpropagation,Caffe声明：网络是连接在计算图中的一组层，确切地说是一个有向无环图（DAG）。Caffe对任何层的DAG进行所有记账，以确保向前和向后传球的正确性 “所有的簿记”是什么意思？我不明白。如何做所有的簿记工作？Caffe和许多其他深度学习框架一样，使用随机梯度下降（SGD）训练其模型，实现为梯度反向传播。也就是说，对于一小批训练示例，caffe通过网络（“向前传递”）将该批输入，以计算网络参数的损失w.r.t。然后，它将损失梯度传播回（“向后传递”），以根据估计的梯度更新所有参数通过本教程

Caffe声明：

网络是连接在计算图中的一组层，确切地说是一个有向无环图（DAG）。Caffe对任何层的DAG进行所有记账，以确保向前和向后传球的正确性

“所有的簿记”是什么意思？我不明白。

如何做所有的簿记工作？

Caffe和许多其他深度学习框架一样，使用随机梯度下降（SGD）训练其模型，实现为梯度反向传播。也就是说，对于一小批训练示例，caffe通过网络（“向前传递”）将该批输入，以计算网络参数的损失w.r.t。然后，它将损失梯度传播回（“向后传递”），以根据估计的梯度更新所有参数

通过本教程的“簿记”，您不必担心估计渐变和更新参数。一旦您使用现有层（例如，

“卷积”

，

“ReLU”

，

“Sigmoid”

等），您只需定义图形结构（网络的架构）并提供训练数据，caffe将负责训练过程的其余部分：它将向前/向后每个小批次，计算损失，估计梯度并更新参数-所有这些都是为您准备的。
非常棒，你不觉得吗？；）