反向传播 on Answer

反向传播 on Answer https://answer.freetools.me/tags/%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD/ Recent content in 反向传播 on Answer Hugo -- 0.152.2 zh-cn Thu, 12 Mar 2026 16:06:50 +0800 神经网络是如何学习的：从前向传播到反向传播的完整训练过程解析 https://answer.freetools.me/%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E6%98%AF%E5%A6%82%E4%BD%95%E5%AD%A6%E4%B9%A0%E7%9A%84%E4%BB%8E%E5%89%8D%E5%90%91%E4%BC%A0%E6%92%AD%E5%88%B0%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD%E7%9A%84%E5%AE%8C%E6%95%B4%E8%AE%AD%E7%BB%83%E8%BF%87%E7%A8%8B%E8%A7%A3%E6%9E%90/ Thu, 12 Mar 2026 16:06:50 +0800 https://answer.freetools.me/%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E6%98%AF%E5%A6%82%E4%BD%95%E5%AD%A6%E4%B9%A0%E7%9A%84%E4%BB%8E%E5%89%8D%E5%90%91%E4%BC%A0%E6%92%AD%E5%88%B0%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD%E7%9A%84%E5%AE%8C%E6%95%B4%E8%AE%AD%E7%BB%83%E8%BF%87%E7%A8%8B%E8%A7%A3%E6%9E%90/ 神经网络是如何学习的：从前向传播到反向传播的完整训练过程解析自动微分与反向传播为什么这个六十岁的算法是深度学习的基石 https://answer.freetools.me/%E8%87%AA%E5%8A%A8%E5%BE%AE%E5%88%86%E4%B8%8E%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD%E4%B8%BA%E4%BB%80%E4%B9%88%E8%BF%99%E4%B8%AA%E5%85%AD%E5%8D%81%E5%B2%81%E7%9A%84%E7%AE%97%E6%B3%95%E6%98%AF%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%9A%84%E5%9F%BA%E7%9F%B3/ Thu, 12 Mar 2026 06:24:59 +0800 https://answer.freetools.me/%E8%87%AA%E5%8A%A8%E5%BE%AE%E5%88%86%E4%B8%8E%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD%E4%B8%BA%E4%BB%80%E4%B9%88%E8%BF%99%E4%B8%AA%E5%85%AD%E5%8D%81%E5%B2%81%E7%9A%84%E7%AE%97%E6%B3%95%E6%98%AF%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%9A%84%E5%9F%BA%E7%9F%B3/ 深入解析自动微分的前向模式与反向模式、计算图的构建与遍历、PyTorch autograd引擎的实现细节，以及梯度消失、梯度爆炸等数值稳定性问题的解决方案。梯度消失与梯度爆炸：为什么深层神经网络曾经只能堆叠五层？ https://answer.freetools.me/%E6%A2%AF%E5%BA%A6%E6%B6%88%E5%A4%B1%E4%B8%8E%E6%A2%AF%E5%BA%A6%E7%88%86%E7%82%B8%E4%B8%BA%E4%BB%80%E4%B9%88%E6%B7%B1%E5%B1%82%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E6%9B%BE%E7%BB%8F%E5%8F%AA%E8%83%BD%E5%A0%86%E5%8F%A0%E4%BA%94%E5%B1%82/ Thu, 12 Mar 2026 00:23:55 +0800 https://answer.freetools.me/%E6%A2%AF%E5%BA%A6%E6%B6%88%E5%A4%B1%E4%B8%8E%E6%A2%AF%E5%BA%A6%E7%88%86%E7%82%B8%E4%B8%BA%E4%BB%80%E4%B9%88%E6%B7%B1%E5%B1%82%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E6%9B%BE%E7%BB%8F%E5%8F%AA%E8%83%BD%E5%A0%86%E5%8F%A0%E4%BA%94%E5%B1%82/ 从1991年Hochreiter发现梯度消失问题，到2015年ResNet突破1000层训练障碍，深度学习的"深度"困境经历了二十五年的技术突围。本文深入解析梯度问题的数学本质、历史演进与解决方案。