圳南提示您：看後求收藏（第241章 ai,網際網路2010,圳南,630看書），接著再看更方便。
請關閉瀏覽器的閱讀/暢讀/小說模式並且關閉廣告遮蔽過濾功能，避免出現內容無法顯示或者段落錯亂。
路舟停了下來，思考片刻又接著說了下去。
“而在訓練這個網路之前，我們可以用均方誤差來定義loss值，確定訓練之後的預測結果是否達到要求。均方誤差我就不多講了，應該都懂吧。”
“......”
路舟抬眼看了三人一眼，“那麼接下來訓練的最佳化就集中在了將loss值減小。具體來說就是對上述得到的loss值函式形式進行鏈式求導......”
甄臻忽然就是舉手，“師兄，能不能演算一遍。”
路舟笑了笑，“哪專業的，數學沒學好吧。”
廖文秀，“也不是呢師兄，主要是研究生沒選的人工智慧方向，思路還沒開啟。”
路舟聽了也不多說，他也只得拿了筆在一張白紙上給三人演示。
“事實上loss會包含我剛提到的權重w和偏置引數。所以我們在調整w時，loss到底是增大還是減小？這就需要我們求一個LW的偏導數。
這裡我們直接鏈式求導，然後根據loss的定義去求出第一個偏導數，再根據神經元定義的h值再次求導，再配合啟用函式sigmoid最後得到總的求導公式......”
甄臻，“......”
路舟，“ok，這方法一般被叫做反向傳播。經過這個計算後，我們是可以得出對w變化時，loss函式最終的變化曲線。對於這接下來的問題，我們則可以再用一個隨機梯度下降SGD的最佳化演算法來進行最佳化。”
廖文秀，“......”
路舟，“SGD主要的作用在於權重和偏置值的調整。首先我們定義一個學習率的常數，它將決定整個神經網路的訓練速度。這樣，我們再逐步調整權重和偏置的過程中，loss也能夠不斷降低。
最後loss達到了要求，整個流程也就走完了，模型也就出來了。”
曹文聰，“......”
路舟見三人表情有些懵逼，感覺是有些尷尬，“額......”
他抹了一把臉，直接喚醒了一旁的電腦，“好吧，這麼說有點虛，我直接給你們寫個程式碼樣例。我就直接用python來示範吧，用numpy的模組。大概呢還是按照我們剛剛的理論基礎，先定義幾個需要用的函式......”
五分鐘後。
“好了。大概就是這樣。”
三人，“......”
這也忒快了點。
甄臻有些膽小地又舉了手，“師兄。博士和研究生差距有這麼大嘛？我怎麼一點聽不進去......”
路舟聽了就樂了，“別。我就一本科生。陸師兄面前我可不敢造次。”
三人，“？！”
本章未完，點選下一頁繼續閱讀。