我们来看一看计算图如何在一个更大的神经网络示例中工作，
这个和上一章一样
反向传播提供了一种非常可靠且高效的计算方法计算所有的这些倒数，可以将这些倒数输入到梯度下降算法中，或者是adam算法中，以训练神经网络的参数，使用反向传播的原因之一就是非常的高效，如果对这个参数注意的进行加上一点点进行观察则需要参数数量乘以节点数量
但时候用了反向传播之后，就不是相乘，而是降价，大大的提高了速度和效率
相关推荐
锋行天下3 小时前
langgraph 后端发自定义数据，前端接收方法概括泯泷5 小时前
单个 AI 再强，为什么也干不过一支 AI 团队？浪遏5 小时前
认识 wm：从多平台发布到可扩展 CLI 的架构设计深蓝AI5 小时前
英伟达换帅当天，我先跑了一遍 GPU 环境体检：版本矩阵比人事更值得盯罗西的思考7 小时前
【轻量化复刻大模型 / KIMI K3】AttnRes 模块交互式演示stormzhangV7 小时前
涨薪 50% 怎么做到的？老金带你玩AI8 小时前
如何在5分钟之内创建Grok Bot的超级团队程序员cxuan8 小时前
离谱，AI 大佬顺手搓了个 YouTube ，而我顺手给他搓了个中文插件zixu_star8 小时前
上下文工程：Prompt、记忆和上下文如何管理？ZONGYUAN-ROOT8 小时前
【3D仿真数据集】从“能生成”到“能用”：面向工业仿真的3D资产自治自愈流水线全链路落地