答案 0 :(得分:1)
模型中的每一层都是一个巨大的数学函数,有许多“未知”变量。
当您构建模型时,您将构建一个怪物函数(具有数千或数百万个未知变量),从而提供输入的输出。
这样的事情:
output_tensor = huge_function(your_input_tensor,var1,var2,var3,var4.......,var10000000)
这些变量是权重。一开始,他们会收到随机值,显然你的功能会给你带来可怕的结果。
在训练时,您可以调整这些变量的值,以便提高结果。
权重就是这样的变量,你要调整模型中的变量,这样你的巨大功能就会给你带来好的结果。
权重x偏见
根据您正在阅读的内容或您正在使用的程序,它们将被称为权重。根据我上面写的内容,两者都符合描述。
但通常是:
因此,通常的层(当然有一些重要的区别)执行以下操作:
output_matrix = input_matrix x weights + biases
但是,没有什么能阻止你创建自定义操作,你的变量/权重既不会增加也不会增加。