大家好~本课程为“深度学习基础班”的线上课程,带领同学从0开始学习全连接和卷积神经网络,进行数学推导,并且实现可以运行的Demo程序
线上课程资料:
加QQ群,获得ppt等资料,与群主交流讨论:106047770
本系列文章为线上课程的复盘,每上完一节课就会同步发布对应的文章
本课程系列文章可进入索引查看:
目录
答:只有一步:已知下一层计算的误差项,反向依次计算这一层的误差项
(因为这一层没有权重值,所以不需要计算这一层中的梯度)


答:我们先来考察一个具体的例子,然后再总结一般性的规律
如何求(\delta_{1,1}^{l-1} = \frac{dE}{dnet_{1,1}^{l-1}}) = ?其中(net_{1,1}^{l-1}对哪些net_{i,j}^l有影响?)
答:



[\begin{aligned} \delta_{2,2}^{l-1} &= \frac{dE}{dnet_{2,2}^{l-1}} \
&= \frac{dE}{dnet_{1,1}^{l}} \frac{dnet_{1,1}^{l}}{dnet_{2,2}^{l-1}} \
&= 0
\end{aligned} ]

答:待实现的代码为:MaxPoolingLayer,实现后的代码为:MaxPoolingLayer.res_answer
请总结本节课的内容?
请回答开始的问题?
无