待验证50% 置信事实精确时间
反向模式自动微分能用 O(n) 时间计算标量损失对所有参数的梯度,而前向模式需要 O(n) 次前向传播
1
来源数
50%
置信度
长期有效
时效性
2026/9/9
首次发现
来源
涉及实体
相关事实
已验证反向传播算法的本质是通过链式法则在计算图上高效计算标量损失对每个参数的偏导数70% 相似待验证自动微分的前向模式适合输入少输出多的场景，反向模式适合输入多输出少的场景，深度学习因参数多而损失为标量属于后者69% 相似已验证反向传播本质上是一种高效计算梯度的动态规划算法，通过从输出层到输入层逐层传递误差信号并复用中间计算结果来降低梯度计算复杂度67% 相似待验证自动微分分为前向模式（从输入向输出传播导数，适合输入维度远小于输出维度）和反向模式（从输出向输入反向传播梯度，适合输出维度远小于输入维度）65% 相似已验证自动微分通过在运行时记录所有张量运算构建计算图，然后利用反向模式微分自动计算任意复杂函数的精确梯度64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/884441API
curl https://kongchang.com/api/v1/knowledge/claims/884441MCP
get_claim(id=884441)