深度学习——PyTorch实战计算机视觉3

后向传播 深度学习中，后向传播主要用于对模型的参数进行微调。经过多次后向传播之后，可以得到模型的最优参数组合。这个过程其实就是一个复合函数求导的过程。 举例： 定义上图模型的前向传播函数为。假设输入数据，可得前向传播计算结果。若把原函数改写为复合函数的形式，令，就可以得到。 接下来是后向传播中涉及到的计算过程。 假设在后向传播过程中需要微调的参数有3个，分别是X, Y, Z，这3个参数每轮后向传播

>>阅读原文<<