CS231n: Convolutional Neural Networks for Visual Recognition [2017] 课程笔记 Note 5

发表于 2022-03-07 分类于 🌙学习资源， ⭐Stanford CS231n 阅读次数： Valine：
本文字数： 204 阅读时长 ≈ 1 分钟

Note 5

原文：backprop notes

翻译：反向传播笔记

该笔记本将帮助读者对反向传播形成直观而专业的理解。反向传播是利用链式法则递归计算表达式的梯度的方法。理解反向传播过程及其精妙之处，对于理解、实现、设计和调试神经网络非常关键。内容里列表如下：

简介
简单表达式和理解梯度
复合表达式，链式法则，反向传播
直观理解反向传播
模块：Sigmoid例子
反向传播实践：分段计算
回传流中的模式
用户向量化操作的梯度
小结