首页 > 其他分享> > 【深度学习】2. 卷积神经网络的误差计算与反向传播详解 【深度学习】2. 卷积神经网络的误差计算与反向传播详解 2021-03-01 09:30:38 作者:互联网 本文主要内容: 2.1 误差的计算 2.1.1 示例: 2.1.2 Cross Entropy Loss交义熵损失 2.1.3 回到前面的示例 2.2 误差的反向传播 2.3 权重的更新 2.1 误差的计算 2.1.1 示例: 下面以一个三层的BP神经网络为例进行讲述,如下图: 参数讲解: 左侧为输入层,有两个参数:x1 和 x2 。 中间的带有σ的表示隐层。W11(1) 中,下标的第一个1,表示上一层的第几个节点,第二个1,表示当前层的第几个节点。上标表示当前是第几层。 σ 表 标签:误差,第几个,示例,卷积,神经网络,详解,2.1,节点 来源: https://blog.csdn.net/cxh_1231/article/details/114251424