训练卷积神经网络

我目前正在开发使用卷积神经网络识别面部的面部识别软件。根据我的阅读，我收集到卷积神经网络具有权重，以节省训练时间。但是，如何适应反向传播，以便可以在卷积神经网络中使用。在反向传播中，人们使用与此类似的公式来训练权重。

New Weight  = Old Weight +  LEARNING_RATE * 1 * Output Of InputNeuron * Delta

但是，由于在卷积神经网络中权重是共享的，因此每个权重都与多个神经元一起使用，那么如何确定使用哪个权重Output of InputNeuron？

换句话说，由于权重是共享的，我该如何决定将权重改变多少？

您需要首先计算所有更新，就好像未共享Wieght，而只是存储它们，实际上还没有进行任何更新。

令为网络中位置和其中是学习率，是您的目标函数。请注意，在这一点上，如果没有权重分配，您只需将提升为 要处理共享权重，您需要总结所有单个更新。因此，设置 ，然后更新 $w_k$$I_k = \{(i,j) \colon w_{i,j} = w_k\}$$\Delta w_{i,j} = -\eta \frac{\partial J}{\partial w_{i,j}}$$\eta$$J$$w_{i,j}$

$$w_{i,j} = w_{i,j} + \Delta w_{i,j}.$$ $$\Delta w_k = \sum_{(i,j) \in I_k} \Delta w_{i,j}$$ $$w_k = w_k + \Delta w_k.$$