【发布时间】:2016-03-24 11:02:04
【问题描述】:
Caffe tutorial 声明:
网络是在计算图中连接的一组层 - 准确地说是有向无环图 (DAG)。 Caffe 对任何层的 DAG 进行所有记账,以确保向前和向后传递的正确性。
“所有的簿记”是什么意思?没看懂。
怎么记账?
【问题讨论】:
标签: machine-learning neural-network deep-learning caffe backpropagation
Caffe tutorial 声明:
网络是在计算图中连接的一组层 - 准确地说是有向无环图 (DAG)。 Caffe 对任何层的 DAG 进行所有记账,以确保向前和向后传递的正确性。
“所有的簿记”是什么意思?没看懂。
怎么记账?
【问题讨论】:
标签: machine-learning neural-network deep-learning caffe backpropagation
Caffe 与许多其他深度学习框架一样,使用随机梯度体面 (SGD) 训练其模型,实现为梯度反向传播。也就是说,对于一小批训练示例,caffe 将批次通过网络(“前向传递”)以计算网络参数的损失。然后,它将损失梯度反向传播(“反向传递”)以根据估计的梯度更新所有参数。
通过本教程的“记账”,您无需担心估计梯度和更新参数。一旦您使用现有层(例如,"Convolution"、"ReLU"、"Sigmoid" 等),您只需要定义图结构(网络的架构)并提供训练数据,剩下的就交给 caffe训练过程:它将前向/后向每个小批量,计算损失,估计梯度并更新参数 - 一切都为您服务。
非常棒,你不觉得吗? ;)
【讨论】: