标签： python deep-learning implementation backpropagation chainer
我想在模型中定义许多可学习的参数，这些参数会与前馈中的特征图相乘，并在反向传播时进行更新。 我如何在链接器框架中实现这一点？
答案 0 :(得分：0)
我读了一点，找到了答案。 如果需要在链接器中定义许多需要学习的参数，则应使用chainer.links.Scale（）函数。 例如chainer.links.Scale（axis = 1，W_shape =（8,8）） W是在网络中可学习的相同参数。如果特征图是x，则W乘以x并在反向传播中更新。