前向传播算法 Forward propagation 与反向传播算法 Back propagation

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了前向传播算法 Forward propagation 与反向传播算法 Back propagation，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1202字，纯文字阅读大概需要2分钟。

内容图文

??????????? ??????????? ??????????? ?????? ??????

虽然学深度学习有一段时间了，但是对于一些算法的具体实现还是模糊不清，用了很久也不是很了解。因此特意先对深度学习中的相关基础概念做一下总结。先看看前向传播算法(Forward propagation)与反向传播算法(Back propagation)。

1.前向传播

bp过程可能差不多就是这样了，可能此文需要你以前接触过bp算法，只是还有疑惑，一步步推导后，会有较深的理解。

上面的python代码实现如下：

#!/usr/bin/env python#coding:utf-8import numpy as npdef nonlin(x, deriv = False):??? if(deriv == True):??????? return x * (1 - x)??? return 1 / (1 + np.exp(-x))X = np.array([[0.35], [0.9]])y = np.array([[0.5]])np.random.seed(1)W0 = np.array([[0.1, 0.8], [0.4, 0.6]])W1 = np.array([[0.3, 0.9]])print 'original ', W0, '\n', W1for j in xrange(100):??? l0 = X??? l1 = nonlin(np.dot(W0, l0))??? l2 = nonlin(np.dot(W1, l1))??? l2_error = y - l2??? Error = 1 / 2.0 * (y-l2)**2??? print 'Error:', Error??? l2_delta = l2_error * nonlin(l2, deriv=True)??? l1_error = l2_delta * W1 #back propagation??? l1_delta = l1_error * nonlin(l1, deriv=True)??? W1 += l2_delta * l1.T??? W0 += l0.T.dot(l1_delta)??? print W0, '\n', W1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
1

??????????? ?????????

内容总结

以上是互联网集市为您收集整理的前向传播算法 Forward propagation 与反向传播算法 Back propagation全部内容，希望文章能够帮你解决前向传播算法 Forward propagation 与反向传播算法 Back propagation所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---