Tensorflow中卷积层梯度反向传播的具体步骤是怎样的?
- 内容介绍
- 文章标签
- 相关推荐
本文共计713个文字,预计阅读时间需要3分钟。
一.+ valid卷积的梯度 + 我们讨论两种不同的情境来分析valid卷积的梯度: 1. 第一种情境,已知卷积核的情况下,对未知张量求导(即对张量中每个变量求导); 2. 第二种情境,已知张量的情况下,对卷积核求导。
一. valid卷积的梯度
我们分两种不同的情况讨论valid卷积的梯度:第一种情况,在已知卷积核的情况下,对未知张量求导(即对张量中每一个变量求导);第二种情况,在已知张量的情况下,对未知卷积核求导(即对卷积核中每一个变量求导)
1.已知卷积核,对未知张量求导
我们用一个简单的例子理解valid卷积的梯度反向传播。
本文共计713个文字,预计阅读时间需要3分钟。
一.+ valid卷积的梯度 + 我们讨论两种不同的情境来分析valid卷积的梯度: 1. 第一种情境,已知卷积核的情况下,对未知张量求导(即对张量中每个变量求导); 2. 第二种情境,已知张量的情况下,对卷积核求导。
一. valid卷积的梯度
我们分两种不同的情况讨论valid卷积的梯度:第一种情况,在已知卷积核的情况下,对未知张量求导(即对张量中每一个变量求导);第二种情况,在已知张量的情况下,对未知卷积核求导(即对卷积核中每一个变量求导)
1.已知卷积核,对未知张量求导
我们用一个简单的例子理解valid卷积的梯度反向传播。

