李弘毅机器学习笔记:第八章—Backprogation
背景
梯度下降
- 给到 θ \theta θ (weight and bias)
- 先选择一个初始的 θ 0 \theta^0 θ0,计算 θ 0 \theta^0 θ0 的损失函数(Loss Function)设一个参数的偏微分
- 计算完这个向量(vector)偏微分,然后就可以去更新 θ \theta θ
- 百万级别的参数(millions of parameters)
- 反向传播(Backpropagation)是一个比较有效率的算法,让你计算梯度(Gradient) 的向量(Vector)时,可以有效率的计算出来
链式法则
- 连锁影响(可以看出x会影响y,y会影响z)
- BP主要用到了chain rule
反向传播
- 损失函数(Loss function)是定义在单个训练样本上的,也就是就算一个样本的误差,比如我们想要分类,就是预测的类别和实际类别的区别,是一个样本的,用L表示。
- 代价函数(Cost function)是定义在整个训练集上面的,也就是所有样本的误差的总和的平均,也就是损失函数的总和的平均,有没有这个平均其实不会影响最后的参数的求解结果。
- 总体损失函数(Total loss function)是定义在整个训练集上面的,也就是所有样本的误差的总和。也就是平时我们反向传播需要最小化的值。
对于 L ( θ ) L(\theta) L(θ)就是所有 l n l^n ln的损失之和,所以如果要算每个 L ( θ ) L(\theta) L(θ)的偏微分,我们只要算每个 l n l^n ln的偏微分,再把所有 l n l^n ln偏微分的结果加起来就是 L ( θ ) L(\theta) L(θ)的偏微分,所以等下我们只计算每个 l n l^n ln的偏微分。
我们先在整个神经网络(Neural network)中抽取出一小部分的神经(Neuron)去看(也就是红色标注的地方):
取出一个Neuron进行分析
从这一小部分中去看,把计算梯度分成两个部分
- 计算 ∂ z ∂ w \frac{\partial z}{\partial w} ∂w∂z(Forward pass的部分)
- 计算 ∂ l ∂ z \frac{\partial l}{\partial z} ∂z∂l ( Backward pass的部分 )
Forward Pass
那么,首先计算
∂
z
∂
w
\frac{\partial z}{\partial w}
∂w∂z(Forward pass的部分):
根据求微分原理,forward pass的运算规律就是:
∂
z
∂
w
1
=
x
1
∂
z
∂
w
2
=
x
2
\frac{\partial z}{\partial w_1} = x_1 \\ \frac{\partial z}{\partial w_2} = x_2
∂w1∂z=x1∂w2∂z=x2
这里计算得到的
x
1
x_1
x1和
x
2
x_2
x2恰好就是输入的
x
1
x_1
x1和
x
2
x_2
x2
直接使用数字,更直观地看到运算规律:
Backward Pass
(Backward pass的部分)这就很困难复杂因为我们的l是最后一层:
那怎么计算
∂
l
∂
z
\frac{\partial l}{\partial z}
∂z∂l (Backward pass的部分)这就很困难复杂因为我们的
l
l
l是最后一层:
计算所有激活函数的偏微分,激活函数有很多,这里使用Sigmoid函数为例
这里使用链式法则(Chain Rule)的case1,计算过程如下:
∂
l
∂
z
=
∂
a
∂
z
∂
l
∂
a
⇒
σ
′
(
z
)
\frac{\partial l}{\partial z} = \frac{\partial a}{\partial z}\frac{\partial l}{\partial a} \Rightarrow {\sigma}'(z)
∂z∂l=∂z∂a∂a∂l⇒σ′(z)
∂
l
∂
a
=
∂
z
′
∂
a
∂
l
∂
z
′
+
∂
z
′
′
∂
a
∂
l
∂
z
′
′
\frac{\partial l}{\partial a} = \frac{\partial z'}{\partial a}\frac{\partial l}{\partial z'} +\frac{\partial z''}{\partial a}\frac{\partial l}{\partial z''}
∂a∂l=∂a∂z′∂z′∂l+∂a∂z′′∂z′′∂l
最终的式子结果:
但是你可以想象从另外一个角度看这个事情,现在有另外一个神经元,把forward的过程逆向过来,其中
σ
′
(
z
)
{\sigma}'(z)
σ′(z)是常数,因为它在向前传播的时候就已经确定了
case 1 : Output layer
假设
∂
l
∂
z
′
\frac{\partial l}{\partial z'}
∂z′∂l和
∂
l
∂
z
′
′
\frac{\partial l}{\partial z''}
∂z′′∂l是最后一层的隐藏层
也就是就是y1与y2是输出值,那么直接计算就能得出结果
但是如果不是最后一层,计算 ∂ l ∂ z ′ \frac{\partial l}{\partial z'} ∂z′∂l和 ∂ l ∂ z ′ ′ \frac{\partial l}{\partial z''} ∂z′′∂l的话就需要继续往后一直通过链式法则算下去
case 2 : Not Output Layer
对于这个问题,我们要继续计算后面绿色的
∂
l
∂
z
a
\frac{\partial l}{\partial z_a}
∂za∂l和
∂
l
∂
z
b
\frac{\partial l}{\partial z_b}
∂zb∂l,然后通过继续乘
w
5
w_5
w5和
w
6
w_6
w6得到
∂
l
∂
z
′
\frac{\partial l}{\partial z'}
∂z′∂l,但是要是
∂
l
∂
z
a
\frac{\partial l}{\partial z_a}
∂za∂l和
∂
l
∂
z
b
\frac{\partial l}{\partial z_b}
∂zb∂l都不知道,那么我们就继续往后面层计算,一直到碰到输出值,得到输出值之后再反向往输入那个方向走。
对上图,我们可以从最后一个
∂
l
∂
z
5
\frac{\partial l}{\partial z_5}
∂z5∂l和
∂
l
∂
z
6
\frac{\partial l}{\partial z_6}
∂z6∂l看,因为
∂
l
∂
z
a
\frac{\partial l}{\partial z_a}
∂za∂l和
∂
l
∂
z
b
\frac{\partial l}{\partial z_b}
∂zb∂l比较容易通过output求出来,然后继续往前求
∂
l
∂
z
3
\frac{\partial l}{\partial z_3}
∂z3∂l和
∂
l
∂
z
4
\frac{\partial l}{\partial z_4}
∂z4∂l,再继续求
∂
l
∂
z
1
\frac{\partial l}{\partial z_1}
∂z1∂l和
∂
l
∂
z
2
\frac{\partial l}{\partial z_2}
∂z2∂l
最后我们就得到下图的结果
实际上进行backward pass时候和向前传播的计算量差不多。
总结
我们的目标是要求计算
∂
z
∂
w
\frac{\partial z}{\partial w}
∂w∂z(Forward pass的部分)和计算
∂
l
∂
z
\frac{\partial l}{\partial z}
∂z∂l ( Backward pass的部分 ),然后把
∂
z
∂
w
\frac{\partial z}{\partial w}
∂w∂z和
∂
l
∂
z
\frac{\partial l}{\partial z}
∂z∂l相乘,我们就可以得到
∂
l
∂
w
\frac{\partial l}{\partial w}
∂w∂l,所有我们就可以得到神经网络中所有的参数,然后用梯度下降就可以不断更新,得到损失最小的函数