神经网络和深度学习-第二周神经网络基础-第七节:计算图

本系列博客是吴恩达(Andrew Ng)深度学习工程师 课程笔记。全部课程请查看吴恩达(Andrew Ng)深度学习工程师课程目录

可以说,一个神经网络的计算都是按照前向或反向传播过程来实现的。首先计算出神经网络的输出,紧接着进行一个反向传输操作,后者我们用来计算出对应梯度或者导数。而计算图解释了为什么用这样的方式这样实现。

为了阐明这个计算过程,我们举一个比logistic回归更加简单的,不那么正式的神经网络的例子。我们计算函数$J$:
$$
J(a,b,c)=3(a+bc)
$$
计算这个函数实际上有三个不同的步骤第一个首先是计算b乘以c,我们把它存储在变量u中:
$$
u=bc
$$
然后计算$v=a+u$,最后计算$J=3v$。我们可以把这三步画成如下计算图:

可以看出,通过一个从左向右的过程,你可以计算出J的值。在接下的课程中我们会看到,为了计算导数从右到左的这个过程,和这个蓝色的过程相反。这会是用于计算导数最自然的方式。

评论

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×