machine-learning - tensorflow 如何在训练模型中使用反向传播？

我是tensorflow的初学者，我想实现MLP并根据反向传播算法对其进行训练，但是当我阅读教程时，我发现它使用了诸如“随机梯度下降”之类的优化器，并将其称为反向传播而未实现算法阶段。这个反向传播如何？

最佳答案

通常，通过首先定义损失函数，然后在其上调用优化器的.optimize来使用这些优化器：

loss = some_loss(predicted_outputs, true_outputs)
optimizer = tf.train.GradientDescentOptimizer(learning_rate)
train_op = optimizer.minimize(loss)

现在，执行sess.run(train_op)将在权重梯度的方向上迈出一步，以最大程度地减少损失。

关于machine-learning - tensorflow 如何在训练模型中使用反向传播？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/41165243/