言情小说网 > 都市言情 > 职场小聪明 > 第558章 用比喻解释计算图的正向传播和反向传播,在ai中的应用(1/2)
    用比喻解释计算图的正向传播和反向传播

    想象你在经营一家咖啡店,你的目标是制作一杯完美的咖啡,让顾客满意(相当于机器学习中的损失函数最小化)。整个咖啡制作过程可以类比为计算图的正向传播和反向传播。

    正向传播:制作咖啡的过程

    正向传播就像咖啡的制作过程,你按照一定的步骤(计算图)从原材料(输入)制作出一杯咖啡(输出)。假设咖啡的味道由咖啡豆的质量、冲泡时间、牛奶量、糖的多少等因素决定(相当于神经网络的参数)。

    1 选取咖啡豆(输入数据)

    你挑选一批咖啡豆(就像神经网络接受数据输入)。

    2 研磨咖啡豆,注入热水(神经网络的计算)

    你决定研磨的粗细(类似于模型的权重参数)。

    倒入热水冲泡(相当于数据在神经网络中的传播过程)。

    3 加入牛奶和糖(参数调整)

    你决定添加多少牛奶、多少糖(这些就像神经网络的可训练参数)。

    4 顾客品尝咖啡,给出评分(计算损失)

    顾客喝了一口咖啡,给出评分(类似于计算误差 \/ 损失函数)。

    如果顾客觉得味道刚刚好,那么你的咖啡配方是完美的;如果味道不对,你需要调整配方。

    反向传播:调整咖啡配方的过程

    反向传播就像顾客给出反馈后,你根据反馈调整咖啡配方,让咖啡味道更接近完美(损失函数最小化)。

    1 顾客觉得咖啡太苦(损失计算)

    评分较低,说明咖啡太苦,损失较大(误差大)。

    2 分析问题(计算梯度)

    你分析导致苦味的原因:

    研磨得太细了?(相当于权重太大)

    冲泡时间太长?(相当于学习率过高)

    没加够牛奶和糖?(参数不合适)

    3 调整咖啡制作方法(梯度下降)

    你减少冲泡时间,或者增加一点牛奶和糖,让味道更均衡(相当于沿着梯度方向更新参数)。

    4 重新制作咖啡,再次测试(优化迭代)

    你按照新的