Навчання нейронної мережі згортки

Зараз я працюю над програмним забезпеченням для розпізнавання облич, яке використовує нейронні мережі згортки для розпізнавання облич. Спираючись на свої читання, я зрозумів, що звивиста нейронна мережа має загальну вагу, щоб заощадити час під час тренувань. Але як адаптувати зворотне розповсюдження, щоб його можна було використовувати в нейромережі згортки. Для зворотного розмноження для тренування ваг використовується формула, подібна до цієї.

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

Однак, оскільки в нейромережах, що розвиваються, ваги розділяються, кожна вага використовується з декількома нейронами, тож як я визначити, який Output of InputNeuronвикористовується?

Іншими словами, оскільки вага обмінюється, як я можу вирішити, на скільки потрібно змінити ваги?

Спочатку потрібно обчислити всі ваші оновлення так, ніби правами не ділилися, а просто зберігати їх, насправді ще не проводити жодного оновлення.

$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}$

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