CNN反向传播和普通神经网络的联系和比较

BP神经网络反向传播

反向传播是BP神经网络的特点，在之前的博客中已经粗略介绍了BP神经元以及反向传播的特点，对反向传播用较为直观图示解释。

本博客将重点介绍其反向传播的传播过程。
首先明确概念，反向传播就是得到整个网络的输出对每个门单元的梯度的过程。

举例说明，$f(x_1,x_2,x_3,x_4) = (max(x_1,x_2)+x_3)*x_4$

那么，$\frac{df}{dx_1}$ , $\frac{df}{dx_2}$, $\frac{df}{dx_3}$, $\frac{df}{dx_4}$ 如何计算，含义是什么？

1.如果$x_1>x_2$, 那么 $\frac{df}{dx_1}=x_4$，反之为0，也就是说如果$x_1>x_2$，那么$x_1$对输出有影响，反之没影响
2.如果$x_2>x_1$, 那么 $\frac{df}{dx_2}=x_4$，反之为0，含义与$x_1$相同
3.$\frac{df}{dx_3}=x_4$，这说明$x_3$的变化对整个输出的影响与$x_4$成正比
4.$\frac{df}{dx_4}=max(x_1,x_2)+x_3$，这说明$x_4$的变化对整个输出的影响与$max(x_1,x_2)+x_3$成正比

其次，总结加法，乘法，最大值操作对梯度的作用。
1 加法门单元把输出的梯度相等地分发给它所有的输入
2 取最大值门单元对梯度做路由
3 乘法门单元是相互交换输入值

根据以上方法计算梯度，我们就可以知道，应该改变哪几个变量，才能使整个网络的loss function值最小，这也就完成了反向传播的过程

上述计算的梯度，我们可以借助雅可比矩阵（jacobi matrix） 存储，雅可比矩阵的形式如下：

$$\left[ \begin{matrix} \frac{\partial y_1 }{\partial x_1} & \frac{\partial y_1 }{\partial x_2} & \cdots & \frac{\partial y_1 }{\partial x_n} \\ \frac{\partial y_2 }{\partial x_1} & \frac{\partial y_2 }{\partial x_2} & \cdots & \frac{\partial y_2 }{\partial x_n} \\ \vdots & \vdots & \ddots & \vdots \\ \frac{\partial y_n }{\partial x_1} & \frac{\partial y_n }{\partial x_2} & \cdots & \frac{\partial y_n }{\partial x_n} \\ \end{matrix} \right]$$
举个例子，如果输入 $x$为4096维向量，$f=max(x,0)$
1.那么雅可比矩阵的尺寸？
$4096*4096$

2.这个雅可比矩阵是怎样的？
只有对角线上有值，其余为0，并且如果$x_i$小于0，那么雅可比矩阵第i行i列的值也为0，如果$x_i$大于0，那么雅可比矩阵第i行i列的值为1

CNN反向传播

有了上面的讨论之后，CNN的反向传播就容易理解了很多，这里我们主要讨论卷积层和pooling层的反向传播。

卷积层

下面的图片引自CNN的反向传播

事实上，卷积层跟普通的全连接层的不同之处就在于参数的共享，也就是说，并不是每一个输入像素所对应的权重都不同，这主要是为了减少在图像领域参数过多导致的过拟合现象。而参数共享之所以可以得到很好的效果，与图像的局部相关性有关，某一个位置的像素可能只与周围一定范围内的像素相关，与距离很远的像素关系不大。

因此基于上述分析以及对于bp链式法则的了解，我们可以定义后一层的误差为$loss_l$，其中$l$表示层数。从而求前一层的误差$loss_{l-1}$，以及权重的导数$\frac{df}{dw_l}$，以及偏置的导数$\frac{df}{db_l}$。

首先我们来计算误差$loss_{l-1}$：

$$loss_{l-1} = loss_l.*\frac{dz_l}{da_{l-1}}.*\sigma'(z_{l-1})$$
其中， $z_l$表示第 $l$层的输入，$a_{l-1}$表示第 $l-1$层输出，那么这个问题就转换为，计算 $\frac{dz_l}{da_{l-1}}$

以上图为例，我们计算左上角位置$(0,0)$的导数，因为这个像素只与粉色权重相乘，所以它的导数就是粉色权重。位置$(0,1)$的导数，在卷积核的滑动过程中会分别与绿色权重和粉色权重相连，因此，它的导数包括了这两部分。如果用公式来表示上述过程：

$$loss_{l-1} = loss_l.*rot180(W_l).*\sigma'(z_{l-1})$$
权重的导数 $\frac{df}{dw_l}$，以及偏置的导数 $\frac{df}{db_l}$就很容易计算了，分别为 $a_{l-1}*loss_l$以及 $loss_l$

pooling层

pooling层理解起来就更为简单，将之前卷积层的计算公式照搬下来，$\frac{dz_l}{da_{l-1}}$理解为对$loss_l$上采样之后求导。

$$loss_{l-1} = loss_l.*\frac{dz_l}{da_{l-1}}.*\sigma'(z_{l-1})$$

那么这个上采样过程就分为两种，一种是average，一种是max。在average的计算中，将$loss_l$平分给每个位置，而max时，只把$loss_l$放在最大位置即可，其他与卷积的计算相同