本文介绍: 上一节介绍了训练和推理的概念，这一节接着训练和推理的概念讲一下，神经网络的正向传播和反向传播。其实单看正向传播和反向传播这两个概念，很好理解。（Forward Propagation）是指从输入层到输出层的数据流动过程，而反向传播（Backpropagation）是指数据从输出层到输入层的反向过程。正常情况下，利用神经网络推理一张图片，数据从神经网络的输入层一直流到输出层就可以得到结果，这是典型的正向传播过程，因此在推理过程中只有正向传播。
上一节介绍了训练和推理的概念，这一节接着训练和推理的概念讲一下，神经网络的正向传播和反向传播。
正向传播（Forward Propagation）是指从输入层到输出层的数据流动过程，而反向传播（Backpropagation）是指数据从输出层到输入层的反向过程。
正常情况下，利用神经网络推理一张图片，数据从神经网络的输入层一直流到输出层就可以得到结果，这是典型的正向传播过程，因此在推理过程中只有正向传播。
那反向传播是用在什么地方呢？没错，是训练。
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
