我是深度学习的新手。

假设我们有一个具有一个输入层、一个输出层和一个隐藏层的神经网络。让我们将输入到隐藏的权重称为$W$从隐藏到输出的权重为$V$. 假设我们已经初始化$W$和$V$，并通过前向算法/通过神经网络运行它们。假设我们更新了$V$通过反向传播。

在估计理想权重时$W$, 我们是否保留权重$V$更新时不变$W$鉴于我们已经计算过，通过梯度下降$V$, 还是我们允许$V$一起更新$W$?

所以，在我试图从头开始做的代码中，我们是否包括$V$在将用于梯度下降的 for 循环中找到$W$? 换句话说，我们是否简单地使用相同的$V$对于梯度下降的每次迭代？