![](https://cdn-ak-scissors.b.st-hatena.com/image/square/7e0ab6b41b0d5d5863eba355f35becdefe801236/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwS2F6dWtpLU5ha2FtYWUmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPWY4NmQxOWI3NGRmNDRkOGViOWQwZTFlZWQyZWQ4NGNi%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D30af9dca5fb34be320040a6d2626a722)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
Lua版 ゼロから作るDeep Learning その16[単純なレイヤの実装] - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Lua版 ゼロから作るDeep Learning その16[単純なレイヤの実装] - Qiita
git clone https://github.com/Kazuki-Nakamae/Lua_DLfromScratch はじめに 前回は原書4章の二層ニュー... git clone https://github.com/Kazuki-Nakamae/Lua_DLfromScratch はじめに 前回は原書4章の二層ニューラルネットワークを実装し、それによるMNISTの学習処理を実装することになっていましたが、現状の数値微分による勾配算出では遅すぎるため、まず誤差逆伝搬法の実装をしてから学習実装したいと思います。 今回はまず単純な加算レイヤと乗算レイヤ実装です。スクリプトは以下の通りです。 --Copyright (C) 2017 Kazuki Nakamae --Released under MIT License --license available in LICENSE file --- MulLayerクラス(オブジェクト) -- 乗算レイヤを実装 MulLayer={} MulLayer.new = function() local ob