深度學習torch之三（神經網路的前向傳播和反向傳播以及損失函式的基本操作）
阿新 • • 發佈：2019-01-28
1.神經網路的前向傳播和反向傳播
require'image';
input=torch.rand(1,32,32)
itorch.image(input)output=model:forward(input)model:zeroGradParameters();
grandInput=model:backward(input,rand(10))
print(#grandInput)2.損失函式的基本操作
criterion評價準則， 這是用來定義損失函式的。當你想讓你的神經網路學習一些東西時，你就要給他一些反饋，告訴他怎麼做是對的。損失函式能夠形式化的衡量你的神經網路的好壞。
criterion = nn.ClassNLLCriterion()err = criterion:forward(output,10)gradients=criterion：backward（output,10）gradInput=model:backward(input,gradients)
model:updateParameters(0.01)