深度學習——PyTorch實戰計算機視覺3

後向傳播 深度學習中，後向傳播主要用於對模型的參數進行微調。經過多次後向傳播之後，可以得到模型的最優參數組合。這個過程其實就是一個複合函數求導的過程。 舉例： 定義上圖模型的前向傳播函數爲。假設輸入數據，可得前向傳播計算結果。若把原函數改寫爲複合函數的形式，令，就可以得到。 接下來是後向傳播中涉及到的計算過程。 假設在後向傳播過程中需要微調的參數有3個，分別是X, Y, Z，這3個參數每輪後向傳播

>>阅读原文<<