tensorflow之神经网络的搭建(3)

一、反向传播 反向传播：训练模型参数，在所有参数上用梯度下降，使NN训练模型在训练数据上的损失函数最小。 损失函数（loss）：计算得到的预测值y与已知答案y_的差距。 均方误差MSE：求前向传播计算结果与已知答案之差的平方再求平均。 用tensorflow函数表示为： loss_mse = tf.reduce_mean(tf.square(y_-y)) 反向传播训练方法：以减少loss值为优化目

>>阅读原文<<