本文主要是介绍三幅图简易说明神经网络的后向传播（Backward propagation），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
神经网络的后向传播是在神经网络进行训练时，神经网络各层更新数值的方法。后向传播大致可以分为以下三种情况：
在节点处相加的情况：节点会将传入的梯度值直接向后传播。
在节点处相乘的情况：将输入端的值对调，并和传入的梯度值相乘。
在节点处进行函数变换：对函数求导，并和传入的梯度值相乘。特别的，如果 g = m a x ( ) g=max() g=max()，那么只有达到了max的x的分量会传出梯度值，其它分量传出的梯度值均为0。
这篇关于三幅图简易说明神经网络的后向传播（Backward propagation）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
