我研究神经网络已经有一段时间了，我用 python 从头开始​​构建了一个简单的网络，但是在使用 TensorFlow 之前，我想对它有一个完整的了解。

这是我的问题：

假设您有 3 个图层，您有 3 个权重要更新：

1) --> outputlayer和hiddenLayer2之间的权重

2) --> hiddenLayer2和hiddenLayer1之间的权重

3) --> hiddenLayer1和inputLayer之间的权重

对于 1)，我们得到的计算非常简单：

weight_3 += LEARNING_RATE * ((2*(target - output)) * sigmoid'(output) * layer2)

对于 2) 计算更复杂，我们得到：

weight_2 += LEARNING_RATE * ((2*(target - output)) * sigmoid'(output) * weight_3) * sigmoid'(hiddenLayer2)

我需要第三部分的帮助，我试图在互联网上计算和查找，但没有很多人在从头开始工作时使用 2 个隐藏层。

我也尝试解决链式规则，但它太长了，我无法解决。

有人知道获得hiddenLayer1和inputLayer之间权重的公式吗？

非常感谢你提前