Backpropagation反向传播算法【总结】

概念介绍

Backpropagation本质上就是一个提升Gradient Descent效率的算法，核心在于其可以有效率地计算出一个偏移量来update下一组未知参数。

难点在于：Neural Network有很多层，而且每层参数都非常多，所以不能立即算出来该组未知参数的偏微分，如果只有一层当然可以快速计算，无需使用Backpropagation进行优化

推理步骤

1.Loss function定义：$L(\theta )=\sum _{n=1}^N{C}^n(\theta )$

$C^n$是一个function，代表模型计算出来的值$y^n$和真实的值${\hat{y}}^n$的距离，两个向量之间的距离。在所有参数$\theta$已知的情况下$y^n$也是一个已知量，那么他们之间的距离也是一个已知量（是通过$C^n$计算出来的一个已知量）

那么难点在于我们要求$\theta$的偏微分

2.对w进行偏微分

这些未知参数用w来表示，b在计算微分的时候无用所以忽略

$\frac{\partial L(\theta )}{\partial w}=\sum _{n=1}^N\frac{\partial C^n(\theta )}{\partial w}$

3.先考虑一个Neuron

（1）假设w只有2个w1和w2，并且n=1，现在要计算$\frac{\partial C}{\partial w}$

$\frac{\partial C}{\partial w}=\frac{\partial z}{\partial w}\frac{\partial C}{\partial z}$
（两个z的偏微分可以约掉，所以可以写成这样）

其中计算$\frac{\partial z}{\partial w}$叫做【Forward pass】，计算$\frac{\partial C}{\partial z}$叫做【Backword pass】

（2）求解$\frac{\partial z}{\partial w}$

假设w只有2个w1和w2

我们发现：w1的微分就是$x_1$；w1的微分就是$x_2$

$\frac{\partial z}{\partial w}=x_1+x_2$

如果我们知道输入，那可以很快求出任何一个w在activation function上的偏微分就是他的输入

第一层的输入x是已知量，第二层的输入也是可以通过activation function计算出来

现在已经解决了$\frac{\partial z}{\partial w}$，还需要解决的是$\frac{\partial C}{\partial z}$

（2）求解$\frac{\partial C}{\partial z}$

假设输出只有2个z

如图假设a是sigmoid function通过z计算出来的

因为$\frac{\partial C}{\partial z}=\frac{\partial a}{\partial z}\frac{\partial C}{\partial a}$，所以我们现在需要求后面两个偏微分

$\frac{\partial a}{\partial z}$是很容易求出来的，因为是一个已知的激活函数sigmoid function，在进行forward pass计算的时候z就是一个已知量了，那么$\frac{\partial a}{\partial z}$就可以当做一个常量

那么就只剩下$\frac{\partial C}{\partial a}$，它等于a在$z^1$上的偏微分加上其他其他输出a在z上的微分，那么如图很容易知道$\frac{\partial z^{{}^{\prime }}}{\partial a}=w^3$，$\frac{\partial z^{{}^{\prime \prime }}}{\partial a}=w^4$

根据后面节点的微分就可以得到当前节点的微分，如下：

现在就只剩下$\frac{\partial C}{\partial z^{{}^{\prime }}}$需要求解了，上面只讨论了两层，但实际上有很多层，现在就是求解下面这个模型，下面这个模型和上面的求解是一样的，继续往下分解即可。

但是继续往下分解那不就是和一般的Gradient Descent一样了么？

我们发现正向的求解过程和逆向的求解过程完全一样

如果我们知道了$\frac{\partial C}{\partial z_a}$和$\frac{\partial C}{\partial z_b}$，就很容易求出$\frac{\partial C}{\partial z^{{}^{\prime }}}$

假设$Z_a$已经是最后一层，那么是可以通过y来计算出$Z_a$的微分，从而可以往上计算出所有的微分。

如果我们反向计算，那么效率就会高很多，之前是通过x往后计算，现在通过y往前计算，因为x是已知量y也是已知量，所以可以建立一个反向的Neural Network

那么现在我们可以很容易知道任何一个w的偏微分，然后就可以算出下一个w’的值

个人总结

一般的Gradient Descent是从上往下计算偏微分，但在一个函数里面不仅要展开当前层所有的Neuron，而且每个Neuron还要继续展开下一层所有的Neuron，直到最后一层。这样效率是不高的，主要是递归计算带来的开销。

那么优化方案就是递归改递推，就好像算法中【递归】改成【动态规划】，效率会提高很多倍，不仅每次计算的结果不会丢，而且没有栈溢出的问题。