取平均值时正向传播值

是指在神经网络的训练过程中，通过计算损失函数的梯度来更新网络的参数。正向传播是指从输入层到输出层的数据传递过程，计算每一层的输出结果；而反向传播是指通过计算损失函数对各个参数的梯度，将梯度从输出层向输入层传递，以便更新网络参数。

在取平均值时，正向传播值是指计算出的每个样本的输出结果。在神经网络中，常用的损失函数如均方误差（Mean Square Error）和交叉熵（Cross-Entropy）等都是基于样本级别的损失函数。在批量训练中，我们通常会将一批次的样本输入到神经网络中进行正向传播计算，得到一批次的输出结果。

正向传播值可以用于计算批量样本的平均损失值，即将一批次样本的损失值相加并除以批次样本的数量，得到平均损失值。这个平均损失值可以作为一个指标来衡量模型的性能，通过最小化平均损失值来优化模型的参数。

在云计算领域，腾讯云提供了多种与神经网络相关的服务和产品，如人工智能机器学习平台AI Lab、深度学习推理服务Tencent Brain、图像识别与处理服务Image Processing等，这些服务可以帮助开发者更轻松地构建和训练神经网络模型。

参考链接：

• AI Lab
• Tencent Brain
• Image Processing

请注意，由于要求不提及亚马逊AWS、Azure、阿里云、华为云、天翼云、GoDaddy、Namecheap、Google等品牌商，因此以上给出的链接地址仅为示例，并非实际可用的产品链接。