深度学习中的反向传播与数据增强 - CSDN博客
Aug 27, 2025 · 反向传播是一种优化算法，它通过计算损失函数的梯度来调整神经网络中各个权重和偏差的值，从而使模型的预测结果更接近于实际值。 数据增强则是一种技术，它通过对原始数据进行变 …
深度学习 | 反向传播详解 - 知乎
Jul 5, 2020 · 简而言之，神经网络的训练过程中，前向传播和反向传播交替进行，如下图所示： 前向传播通过训练数据和权重参数计算输出结果；反向传播通过导数链式法则计算损失函数对各参数的梯度， …
深度学习中的反向传播与数据增强1.背景介绍 深度学习是一种 ...
Dec 23, 2023 · 反向传播（Backpropagation）和数据增强（Data Augmentation）是深度学习中的两个重要技术，它们在深度学习模型的训练和优化过程中发挥着关键作用。 反向传播是一种优化算法，它 …
前向传播与反向传播 - 菜鸟教程
在深度学习中，前向传播与反向传播是支撑其运转的两大核心支柱。 它们如同一个硬币的两面，共同构成了神经网络从学习到应用的完整闭环，透彻理解这两个过程，是打开深度学习大门的第一把钥匙。 …
计算机视觉，图像增广，微调，R-CNN，SSD，YOLO - 技术栈
2 days ago · 一、图像增广 **图像增广（Image Augmentation，也常被称为数据增强）**是计算机视觉中最常用且最有效的提升模型泛化能力的方法。 1.1 什么是图像增广？为什么需要它？ 在深度学习 …
深入解析：神经网络二分类任务详解：前向传播与反向传播的 ...
Sep 27, 2025 · 神经网络二分类任务详解：前向传播与反向传播的数学计算1. 引言让模型能够将输入数据划分为两个类别（如0和1）。 我们将使用包含一个隐藏层的简单网络结构，其中隐藏层启用ReLU激 …
神经网络完全指南：从生物神经元到深度学习架构详解 ...
Feb 21, 2026 · TL;DR 神经网络是一种模拟人脑神经元连接方式的计算模型，是现代深度学习和人工智能的基础。本指南从生物神经元出发，详细介绍人工神经元的数学模型、网络结构（输入层、隐藏层、 …
深度解析：前向传播、反向传播与梯度 - 华为云社区
Dec 24, 2024 · 反向传播算法是神经网络训练的核心，它使得神经网络能够通过不断学习和调整参数来拟合复杂的函数关系，从而提高模型的预测准确性。
图解前向、反向传播算法，一看就懂！-阿里云开发者社区
Jan 24, 2025 · 前向传播用于生成预测结果，在训练阶段与真实标签比较以计算损失函数，并在推理阶段直接生成预测值。 反向传播则利用链式法则计算损失函数相对于权重的梯度，调整参数以减小误 …
深度学习入门（二）——反向传播与向量化推导-腾讯云开发者 ...
Oct 22, 2025 · 文章详细解析了梯度的本质、前向传播与反向传播的关系，以及向量化实现和常见问题（如梯度消失/爆炸）。 掌握反向传播原理是理解深度学习优化的基础，为后续学习优化算法奠定关 …