tensorflow之神經網絡的搭建(3)

一、反向傳播 反向傳播：訓練模型參數，在所有參數上用梯度下降，使NN訓練模型在訓練數據上的損失函數最小。 損失函數（loss）：計算得到的預測值y與已知答案y_的差距。 均方誤差MSE：求前向傳播計算結果與已知答案之差的平方再求平均。 用tensorflow函數表示爲： loss_mse = tf.reduce_mean(tf.square(y_-y)) 反向傳播訓練方法：以減少loss值爲優化目

>>阅读原文<<