似乎无法解决这个简单的 2 层网络的问题。前向过程似乎没有错误，但是，我无法弄清楚如何计算 w1、w2 和 b1 的成本，它们是第一层的权重和偏差。
//forward
z1 = point[0]*w1 + point[1]*w2 + b1
z2 = sigmoid(z1)*w3 + b2
pred = sigmoid(z2)
//backward
z2_d_cost = 2 * (pred-target)
z2_d_pred = sigmoid_p(z2)
z2_cost_pred = z2_d_cost * z2_d_pred
w3 = w3 - z2*lrate*z2_cost_pred
b2 = b2 - lrate*z2_cost_pred
z1_d_pred = sigmoid_p(z1) * z2_cost_pred * w3
w1 = w1 - point[0]*lrate*z1_d_pred
w2 = w2 - point[1]*lrate*z1_d_pred
b1 = b1 - lrate*z1_d_pred
最佳答案
Nvm 想通了。简单的错误，应该是 w3 = w3 - z1*lrate*z2_cost_pred
关于python - 反向传播时深度学习的问题。 (Python)，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/53998774/