相反,应该是获得网络中每个权重的错误率。 而在多层CNN的情况下,我们需要反向传播该错误率。 让我试着通过一个具体的例子和代码来解释我的意思。...网络结构
如上所示,网络结构非常简单,只有两层卷积和一层完全连接的层。 请注意,在执行卷积时,我们需要将卷积核转置(旋转)180度,请注意上图中的绿色框。
另外,请注意,为了简单我并没有绘制激活层。...蓝色权重反向传播第1部分
篮框→计算(K *绿色重量)和(填充红色权重)之间的卷积
橙框→再次旋转矩阵得到每个权重的梯度
黑框→在卷积操作之前旋转卷积核
现在,问题出现了,为什么Padding(紫框)?...[-1,0,-1,0],
[-1,0,-1,-1],
[1,0,-1,-1]
])
x2 = np.array([
[0,0,0,0],
[0,0,-1,0],...[0,0,0,0],
[1,0,0,-1]
])
x3 = np.array([
[0,0,0,-1],
[0,0,-1,0],
[-1,0,1,1]