Det indebærer calculatining gradients of the loss functions to each weight in the network, tillader, at der anvendes en række opvægte, der omfatter mindst en del af de termer, der er anvendt i en del af de tre systemer, og fokuserer på disse beregninger, der involverer en del af en del af de tre systemer.

Forward Pass

Disse procedurer begynder med en vurdering af de data, der er indsamlet i nettet. Ekko beregner en vægt på en mængde, der er input, tilføjer en bias, og en anvendelse af aktiveringen i et givet land.

Beregn Loss

På den anden side er det ikke muligt at måle forskellen mellem de forskellige produkter, der er omfattet af ordningen, og de pågældende produkter.

Backward Pass: Gradient Computation

Denne forskel mellem de to faktorer er en beregning af de forskellige gradienter, der er anvendt i de forskellige lande.

Det er afgørende, at de pågældende produkter er fremstillet af de pågældende produkter, og at de pågældende produkter har en vis grad af overensstemmelse med de gældende regler.

Updating Weights

Usinge disse gradienter, vægt er ar e updated typically via gradient nedstiger. Denne update rule subtracts a fractio on the gradient dt from the current vægt, controlled ud by the learning rate. This proces reduces ther loss inset successive iterations.

Summary ofKey Steps

  • Performe a provide pas to compute predictions.
  • Beregn dette tab between forudsigelser og d true labels.
  • Compute error terms starter from the output layér backward.
  • Beregn gradienterne for hver vægt og bias.
  • Update vægt er using gradient nedstigning.