文档摘要

4.1 反向传播：白板推导的标准解法 本节摘要：反向传播就是链式法则加动态规划：前向把每层的中间结果缓存，反向按「上游梯度乘本层局部导数」自后向前传播误差。本节给出两层网络的标准推导路径、面试中最常被追问的前向缓存问题，以及梯度消失在此的埋点位置。 深度学习面试的固定节目是「推一下反向传播」。它筛人的方式很直接：背过结论的人推到第二层就乱，理解结构的人闭着眼也知道下一项是什么。 会员。《4.1 反向传播：白板推导的标准解法》收录于灏天文库文集《机器学习算法面试题精选与解析》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/543-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AE%97%E6%B3%95%E9%9D%A2%E8%AF%95%E9%A2%98%E7%B2%BE%E9%80%89%E4%B8%8E%E8%A7%A3%E6%9E%90

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流