一次刷完Kaggle金融风控/量化/医疗/能源5大顶尖奖金赛！2024最新顶赛合集 0基础Kaggle竞赛速通学习路径 | Kaggle金牌方案精讲

我就是看你的视频入行数分的，就你个视频决定了我人生的方向

♥ 7 ↩ 1

这么好的视频怎么没人看呢…

♥ 5 ↩ 1

我的T0级互联网导师又更新了，习惯性三连一下

♥ 2 ↩ 1

从当年看数据分析的时候，就知道菜菜老师是个有实力的人，

♥ 1 ↩ 1

菜菜已经从稚嫩成长得铿锵有力

老师您好！我的电脑thinkpad p53s，显卡是英伟达Quadro P520，显存2g，能支持一般学习过程中的深度神经网络任务吗

↩ 3

菜菜老师有对代码的讲解吗

↩ 1

老师，你好。主要问题是隐藏层公式中的w(jk)何时更新。 假定输入层在左边（称为“后“），输出层在右（称为”前”） 我思考两种更新方案：一是将隐藏层节点的误差项先全部更新（经仔思考，我发现这样做，所用的权重是前一个样本的权重），然后再更新所有各连接层的权重，即先所有节点误差，再所有连接权重；二是先计算输出层节点的误差项，然后更新输出层节点后面的连接的权重，再用这新的权重来计算倒数第2层的误差项，然后再计算倒数第2层节点后面连接的权重，.....，即 -1层节点误差，-1连接层权重，-2层节点的误差，-2连接层权重，一直向后传播。 它们的区别就是隐藏层误差计算公式中w(jk)值的来源不同，第一种方案来源于上一个样本的权重，第二种方案是当前样本由右向左逐层逐层计算得来的，哪种是对的呢？ 感谢

↩ 3