cs231n(五)矩阵求导篇
来源:互联网 发布:银行笔试通过率 知乎 编辑:程序博客网 时间:2024/06/09 17:40
我们已经知道基本的标量除以矩阵(或向量),矩阵(或向量)除以标量,以及稍微复杂一点的向量除向量
对W求导:
对X求导:
1.直观上,对X的导数dX的大小一定和X同维度。
2.以对W求导为例,求解方式是将
对于卷积求导,可以看成是dout的每个元素对w和x求导,然后将每个dout元素对w求导的情况重叠起来,如:
def conv_backward_naive(dout, cache): x,w,b,conv_param = cache F,C,HH,WW = w.shape N,C,H,W = x.shape Ho = dout.shape[2] Wo = dout.shape[3] S = conv_param['stride'] P = conv_param['pad'] x_pad = np.pad(x,((0,0),(0,0),(P,P),(P,P)),'constant') #dw is simple:x^T*dout dw = np.zeros((F,C,HH,WW)) dx_pad = np.zeros((N,C,H+2*P,W+2*P)) for n in range(N): for f in range(F): for i in range(Ho): for j in range(Wo): dx_pad[n,:,i*S:i*S+HH,j*S:j*S+WW] += w[f,:,:,:]*dout[n,f,i,j] #C,HH,WW dw[f] += x_pad[n,:,i*S:i*S+HH,j*S:j*S+WW]*dout[n,f,i,j] dx = dx_pad[:,:,P:H+P,P:W+P] db = np.sum(dout,axis = (0,2,3))#np.zeros(F) return dx,dw,db
[1]严格意义上还有行向量len(n)除以行向量(len(m),结果为
[2]wiki:matrix calculus
阅读全文
0 0
- cs231n(五)矩阵求导篇
- 矩阵求导
- 矩阵求导
- 矩阵求导
- 矩阵求导
- 矩阵求导
- 矩阵求导
- 矩阵求导
- 矩阵求导
- 矩阵求导
- 矩阵求导
- 矩阵求导
- 矩阵求导
- 矩阵求导
- 矩阵求导
- 矩阵求导
- 矩阵求导
- 矩阵求导
- Retrofit和OkHttp的简单配合使用
- ExtJs gridPanel 显示查询无数据
- 链式队列的入队出队操作
- js的事件委托
- 计算机网络物理层
- cs231n(五)矩阵求导篇
- vidwpager
- APUE学习小问题记录
- LeetCode 48. Rotate Image
- 路由的简单应用
- CentOS下Python2.6升级到Python3.5
- 并行加密算法系列(四)之AES on Nvidia GPU
- Android Intent Action 大全
- http和缓存有关的状态码