深度学习框架TensorFlow深入学习、TensorBoard可视化-01|AI资源分享
作者:YZCAI / 2016-08-14 11:55 / 浏览次数:
神经元
多层神经元
多层感知机
第一层输
深度神经网络深度学习框架TensorFlow深入学习、TensorBoard可视化-01|AI资源分享-图1
入层,最后输出层,中间隐藏层
卷积神经网络算法
除了输出层,每层
卷积神经网络算法
tensorflow
神经元包括bias都是
深度神经网络
tensorflow
全连接到下一层
ANN人工神经网络有两个或两个以
卷积神经网络算法
深度神经网络
上隐藏层,称为DNN
tensorflow
深度神经网络
Multi-
深度神经网络
tensorflow
Layer
卷积神经网络算法
卷积神经网络算法
深度神经网络
Perceptron
反向传播,就是梯度下降使用reverse-mode autodiff
前向传播,就是make
tensorflow
predictions,然后计算输出误差,然
深度学习框架TensorFlow深入学习、TensorBoard可视化-01|AI资源分享-图2 后计算
卷积神经网络算法
出每个神经元节点对误差的贡献
求贡献就是反向传播是
tensorflow
根据前向传播的误差来求梯度
深度神经网络
然后根据贡
深度神经网络
献调整原来的权重
Backpropagation
卷积神经网络算法
卷积神经网络算法
度神经网络
tensorflow
tensorflow
反向自动求导是TensorFlow实现的方案,首先,它执行图
的前向阶段,从输入到输出,
卷积神经网络算法
卷积神经网络算法
tensorflow
去计算节点值,然后是反向
深度学习框架TensorFlow深入学习、TensorBoard可视化-01|AI资源分享-图3 阶段,从输出到输入去
深度神经网络
计算所有的偏导。
下面的图是第二个阶段,在第
深度神经网络
一个阶段中,从
卷积神经网络算法
x=3和y=4开
始去
深度神经网络
tensorflow
计算所有
tensorflow
的节点值
f(x,y)=
2
y + y +
卷积神经网络算法
深度神经网络
深度学习框架TensorFlow深入学习、TensorBoard可视化-01|AI资源分享-图4
卷积神经网络算法
tensorflow
2
求解的想法是逐渐的从图上往下,计算f(x,y)的偏导,使用
深度神经网络
每一个连续的节点,直到我们到达变量节点,严重依赖链
式求导法则!
Reverse-
卷积神经网络算法
mode
tensorflow
Autodiff
因为n7是输出节点,所以f=n7,所以 f
7
= 1
让我
tensorflow
们继续往下走到n5节点,
深度神经网络
卷积神经网络算法
f
5
=
f
7
7
5
卷积神经网络算法
深度神经网络
深度神经网络
深度神经网络
tensorflow
.
【AI网站】人工智能、机器学习、深度学习、神经网络、大数据、培训课程、各大框架、视频学习、学习路线
热门资讯
右侧公益栏目

AI学习

备案号:个人网站备案号