为什么要用交叉熵作为代价函数

对于大多数人来说，犯错是一件让人很不开心的事情。但反过来想，犯错可以让我们意识到自己的不足，然后我们很快就学会下次不能再犯错了。犯的错越多，我们学习进步就越快。

同样的，在神经网络训练当中，当神经网络的输出与标签不一样时，也就是神经网络预测错了，这时我们希望神经网络可以很快地从错误当中学习，然后避免再预测错了。那么现实中，神经网络真的会很快地纠正错误吗？

我们来看一个简单的例子：

上图是一个只有一个神经元的模型。我们希望输入1的时候，模型会输出0(也就是说，我们只有一个样本(x=1, y=0))。假设我们随机初始化权重参数w=2.0，偏置参数b=2.0。激活函数为sigmoid函数。所以模型的第一次输出为：

$$output = \sigma(w \cdot x + b) = \sigma(2.0 \times 1 + 2.0) = 0.98$$
可见，模型的第一次输出跟标签相差很大，很错误的一个输出。然后我们不断地使用梯度下降算法更新参数，重复训练。于是我们得到了下面这个图：

从图中可以看出，随着训练的次数增加，模型的输出越来越接近0。但是有没有发现一个问题？在训练的前部分，cost并没有显著的减少，也就是权重参数w和偏置参数b的变化不明显。我们前面说了，当我们知道错了，而且错误很大时，我们通常会很快地将错误降下来。但是图中的曲线一开始却是很缓慢地变化。这跟我们想要的不一样呀。虽然最终的结果是会收敛，但是我们希望的是在一开始训练的时候，模型可以收敛得更快。究竟是什么原因使得模型的cost在一开始的时候下降很慢呢？

我们知道在用梯度下降更新参数的时候，我们是计算了下面这两个偏导数：

∂C∂w    ∂C∂b