卷积神经网络-卷积核参数是怎么更新的
·
前向传播：使用卷积核大小为2*2，步长为（2,2）
进过全连接层得到Z，计算损失得到L
从上述公式中可以看出，每个w和每个y都有关
反向传播：
计算偏导数
其中y和w的导数可以直接计算出来，替换为常数a
提取常数项和后面的偏导项，形成了一个和卷积一样的公式，这个卷积核步长为(2,2),里面的参数就是后面的偏导项。 其实根据上述公式已经可以更新了。
得到卷积核中对应参数的偏导项，就可以更新参数了。
为学习率。
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
15
0- 0
已为社区贡献3条内容
所有评论(0)