当我试图获得深入的学习流程时，我找不到一个细节 - >当我在每个神经元上出现错误时（在反向传播流程中），接下来应该对所有错误做些什么 . 模型的校准是关于调整权重和偏差 . 但是我得到的每一门课程都没有告诉计算出的误差如何影响权重 . 另一个问题是 - 如果我再次执行EACH训练示例的反向传播...，每个神经元错误如何影响我的网络的整体权重（这对于所有训练示例都是通用的） .
我将非常感谢你的帮助
当我试图获得深度学习流程时，我找不到一个细节 - >当我在每个神经元上出现错误时（在反向传播流程中），接下来我应该对所有错误做些什么 .
这不完全正确，您的输出有一个损失函数，通常与某个标签进行比较 . 一个例子就是经典的MSE .
你有你的错误功能，你基本上是根据输出错误调整不同神经元的权重 . 如果你采用误差函数的导数/梯度并分解为链规则，你可以看到如何调整每个神经元 . 请查看此链接以获取详细说明 - https://brilliant.org/wiki/backpropagation/ .
另一个问题是 - 如果我为每次训练执行反向传播>示例......再次，每个神经元错误如何影响我的网络的整体权重>（这对于所有训练示例都是通用的） .
通常，每批示例执行反向传播 . 我建议阅读stoachistic梯度下降，以了解为什么调整批次的神经元权重对整个训练集仍然有效 .
1 回答
这不完全正确，您的输出有一个损失函数，通常与某个标签进行比较 . 一个例子就是经典的MSE .
你有你的错误功能，你基本上是根据输出错误调整不同神经元的权重 . 如果你采用误差函数的导数/梯度并分解为链规则，你可以看到如何调整每个神经元 . 请查看此链接以获取详细说明 - https://brilliant.org/wiki/backpropagation/ .
通常，每批示例执行反向传播 . 我建议阅读stoachistic梯度下降，以了解为什么调整批次的神经元权重对整个训练集仍然有效 .