卷积神经网络怎么训练

『壹』 深度神经网络是如何训练的

我就以卷积神经网络为例来说吧。卷积神经网络的训练过程就是对大量带标签数据（监督学习）通过反向传播算法学习网络结构中的参数。其基本思想是：基于一组设置的初始化模型参数，比如利用高斯分布来随机初始化网络结构中的参数，输入数据在卷积神经网络中经过前向传播会得到一个期望输出，如果这个期望输出与数据的实际类别标签不相同，则将误差逐层反向传播至输入层，每层的神经元会根据该误差对网络结构中的参数进行更新。对卷积神经网络而言，待学习的参数包括卷积核参数、层间的连接参数以及各层的偏置。训练好的模型能够计算新输入数据对应的类别标签，从而完成分类或预测任务。