在 Keras 中向后传播？
Backward propagation in Keras?
谁能告诉我反向传播在 Keras 中是如何完成的？我读到它在 Torch 中真的很容易，在 Caffe 中很复杂，但我找不到任何关于用 Keras 做的事情。我正在 Keras 中实现我自己的层（一个非常初学者）并且想知道如何进行反向传播。
提前致谢
你根本不知道。 （后期编辑：创建自定义训练循环时除外，仅供高级使用）
Keras 自动进行反向传播。除了使用 fit 方法之一训练模型外，您绝对不需要为此做任何事情。
您只需要处理几件事：
- 您想要使用反向传播更新的变量（即：权重）必须在自定义层中使用
build 方法中的 self.add_weight() 方法进行定义。参见 writing your own keras layers。
- 您正在进行的所有计算都必须使用基本运算符，例如
+、-、*、/ 或 backend 函数。后端还支持 tensorflow/theano/CNTK 函数。
- 您使用的函数必须是可微分的（这意味着反向传播对于使用常量结果的函数将失败，例如）
这就是让自动反向传播正常工作所需的全部内容。
如果您的层没有可训练的权重，则不需要自定义层，而是创建 Lambda 层（仅计算，没有可训练的权重）。
谁能告诉我反向传播在 Keras 中是如何完成的？我读到它在 Torch 中真的很容易，在 Caffe 中很复杂，但我找不到任何关于用 Keras 做的事情。我正在 Keras 中实现我自己的层（一个非常初学者）并且想知道如何进行反向传播。
提前致谢
你根本不知道。 （后期编辑：创建自定义训练循环时除外，仅供高级使用）
Keras 自动进行反向传播。除了使用 fit 方法之一训练模型外，您绝对不需要为此做任何事情。
您只需要处理几件事：
- 您想要使用反向传播更新的变量（即：权重）必须在自定义层中使用
build方法中的self.add_weight()方法进行定义。参见 writing your own keras layers。 - 您正在进行的所有计算都必须使用基本运算符，例如
+、-、*、/或 backend 函数。后端还支持 tensorflow/theano/CNTK 函数。 - 您使用的函数必须是可微分的（这意味着反向传播对于使用常量结果的函数将失败，例如）
这就是让自动反向传播正常工作所需的全部内容。
如果您的层没有可训练的权重，则不需要自定义层，而是创建 Lambda 层（仅计算，没有可训练的权重）。