动手实现深度学习（5）：计算图的实现

传送门： https://www.cnblogs.com/greentomlee/p/.html github: Leezhen2014: https://github.com/Leezhen2014/python_deep_learning 在第二篇中介绍了用数值微分的形式计算神经网络的梯度，数值微分的形式比较简单也容易实现，但是计算上比较耗时。本章会介绍一种能够较为高效的计算出梯度的方法：基于图的误差反向传播。 根据 deep learning from scratch 这本书的介绍，在误差反向传播方法的实现上有两种方法：一种是基于数学式的（第二篇就是利用的这种方法），一种是基于计算图的。这两种方法的本质是一样的，有所不同的是表述方法。计算图的方法可以参考feifei li负责的斯坦福大学公开课CS231n 或者theano的tutorial/Futher readings/graph Structures. 之前我们的误差传播是基于数学式的，可以看出对代码编写者来说很麻烦； 这次我们换成基于计算图的；
分享标题：动手实现深度学习（5）：计算图的实现
文章分享：http://shouzuofang.com/article/dsogeoe.html