R语言神经网络迭代过程中如何保存每轮w1~w6权重值

只需两步即可保存全部迭代轮次的权重：

1. 在迭代循环启动前，初始化权重存储矩阵

# 初始化存储矩阵：行数等于迭代次数，列数对应6个权重，设置列名方便后续调用
weight_history <- matrix(NA, nrow = numIter, ncol = 6, dimnames = list(NULL, c("w1","w2","w3","w4","w5","w6")))
# 如果需要额外保留初始权重，可在此处加一行 weight_history[1,] <- w

2. 在循环末尾权重更新完成后，添加权重存储逻辑，修改后的循环末尾片段如下：

### update all parameters via a gradient descent 
    w1 = w1 - gamma1*dE_dw1
    w2 = w2 - gamma1*dE_dw2
    w3 = w3 - gamma1*dE_dw3
    w4 = w4 - gamma1*dE_dw4
    w5 = w5 - gamma1*dE_dw5
    w6 = w6 - gamma1*dE_dw6
       
    w = c(w1, w2, w3, w4, w5, w6)
    # 新增：保存当前轮次更新后的权重
    weight_history[i, ] <- w
}

补充说明 #

如果你的需求是保存本轮迭代中用于前向传播、计算误差的权重（而非本轮梯度更新后的权重），只需要把存储代码放到循环开头的前向传播步骤之前即可：

for(i in 1:numIter){
    # 新增：保存当前轮次迭代用的初始权重
    weight_history[i, ] <- w
    ### forward
    res = forwardProp(input, w)
    # 其余代码保持不变...
}

训练完成后，你可以直接通过weight_history[k, ]提取第k轮的全部权重，也可以直接基于该矩阵绘制各权重随迭代次数的变化趋势。

内容的提问来源于stack exchange，提问作者ahhahahahahah1234