课时01

推导前关于符号的约定

更新时间：2026-07-31

课时02

反向传播从损失函数传播到输出层

更新时间：2026-07-31

课时03

反向传播推导出δ误差更新公式

更新时间：2026-07-31

课时04

损失函数对权值w的偏导数

更新时间：2026-07-31

课时05

反向传播算法流程总结

更新时间：2026-07-31

课时06

随机初始化参数的学问

更新时间：2026-07-31

课时07

初始化均值0方差适中的原因_导致梯度消失或梯度爆炸

更新时间：2026-07-31

课时08

Xavier初始化之正太分布

更新时间：2026-07-31

课时09

Xavier初始化之均匀分布

更新时间：2026-07-31

课时10

He初始化公式推导（一）

更新时间：2026-07-31

课时11

He初始化公式推导（二）以及效果对比

更新时间：2026-07-31

课时12

构建环境_创建项目_导包

更新时间：2026-07-31

课时13

读取数据_对标签进行one-hot编码

更新时间：2026-07-31

课时14

定义一些后面用到的超参数

更新时间：2026-07-31

课时15

通过Xavier初始化赋予神经网络参数初始值

更新时间：2026-07-31

课时16

构建装载正向传播中间结果的activations集合

更新时间：2026-07-31

课时17

构建装载反向传播中间结果的δ、gradients集合

更新时间：2026-07-31

课时18

获取一个个批次的数据

更新时间：2026-07-31

课时19

完成一次迭代所对应的正向传播

更新时间：2026-07-31

课时20

实现Relu函数

更新时间：2026-07-31

课时21

实现Softmax函数

更新时间：2026-07-31

课时22

实现交叉熵损失函数

更新时间：2026-07-31

课时23

给损失函数添加L2正则项

更新时间：2026-07-31

课时24

反向传播从Loss到输出层的Z

更新时间：2026-07-31

课时25

计算输出层前参数W和b的梯度

更新时间：2026-07-31

课时26

完成反向传播每一层δ误差的计算

更新时间：2026-07-31

课时27

将每一层的参数进行更新

更新时间：2026-07-31

课时28

运行代码打印每轮损失值_代码可继续完善的地方

更新时间：2026-07-31