DW李宏毅机器学习笔记--Task04（下）-反向传播

---

前言

这是我在Datawhale组队学习李宏毅机器学习的记录，既作为我学习过程中的一些记录，也供同好们一起交流研究，之后还会继续更新相关内容的博客。

---

背景

梯度下降

• 这是机器学习中的第三步
• $\theta$ 是由weight 和 bias组成的向量
• 先选择一个初始的 ${\theta }^0$，计算 ${\theta }^0$ 的损失函数（Loss Function），求对各个参数的偏微分
• 计算完这个向量（vector）偏微分，然后就可以去更新 $\theta$
• 注意，在训练中可能会出现百万级别的参数（millions of parameters）
• 这节课讲的反向传播（Backpropagation）将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（反向传播）主要用到了chain rule
• 这就是简单的高数知识，多元函数的微分

反向传播

1. 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。
2. 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。
3. 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。

注：2和3之间的差距就是是否求总和的平均。

对于$L(\theta )$就是所有$l^n$的损失之和，所以如果要算每个$L(\theta )$的偏微分，我们只要算每个$l^n$的偏微分，再把所有$l^n$偏微分的结果加起来就是$L(\theta )$的偏微分，所以等下我们只计算每个$l^n$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

1. 计算$\frac{\partial z}{\partial w}$（Forward pass的部分）
2. 计算$\frac{\partial l}{\partial z}$ （Backward pass的部分）

Forward Pass

那么，首先计算$\frac{\partial z}{\partial w}$（Forward pass的部分）：

根据求微分原理，forward pass的运算规律就是：

$\frac{\partial z}{\partial w_1}=x_1$

$\frac{\partial z}{\partial w_2}=x_2$
这里计算得到的$x_1$和$x_2$恰好就是输入的$x_1$和$x_2$ 直接使用数字，更直观地看到运算规律：

Backward Pass

这部分就很困难复杂，因为这是最后一层： 那怎么计算 $\frac{\partial l}{\partial z}$ （Backward pass的部分）

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：

$\frac{\partial l}{\partial z}=\frac{\partial a}{\partial z}\frac{\partial l}{\partial a}\Rightarrow {\sigma }^{\prime }(z)$ $\frac{\partial l}{\partial a}=\frac{\partial z^{\prime }}{\partial a}\frac{\partial l}{\partial z^{\prime }}+\frac{\partial z^{\prime \prime }}{\partial a}\frac{\partial l}{\partial z^{\prime \prime }}$

最终的式子结果：

从前往后看，我们的确无法直接求出$\frac{\partial l}{\partial z^{\prime \prime }}和\frac{\partial l}{\partial z^{\prime }}$，但是你可以想象从尾到头来看这个事情，现在有另外一个神经元，把forward的过程逆向过来，而其中的${\sigma }^{\prime }(z)$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$\frac{\partial l}{\partial z^{\prime }}$和$\frac{\partial l}{\partial z^{\prime \prime }}$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$\frac{\partial l}{\partial z^{\prime }}$和$\frac{\partial l}{\partial z^{\prime \prime }}$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$\frac{\partial l}{\partial z_a}$和$\frac{\partial l}{\partial z_b}$,然后通过继续乘$w_5$和$w_6$得到$\frac{\partial l}{\partial z^{\prime }}$，但是要是$\frac{\partial l}{\partial z_a}$和$\frac{\partial l}{\partial z_b}$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$\frac{\partial l}{\partial z_5}$和$\frac{\partial l}{\partial z_6}$看，因为$\frac{\partial l}{\partial z_a}$和$\frac{\partial l}{\partial z_b}$比较容易通过output求出来，然后继续往前求$\frac{\partial l}{\partial z_3}$和$\frac{\partial l}{\partial z_4}$，再继续求$\frac{\partial l}{\partial z_1}$和$\frac{\partial l}{\partial z_2}$ 最后我们就得到下图的结果

综上所述，在求Backward Pass，我们要做的就是从output layer开始，一层层，从结尾计算到交汇处。

实际上进行backward pass时候和向前传播的计算量差不多，当在backward pass时会储存计算的中间结果，便于后期调试，但有时中间结果会特别大，就需要先用向前传播计算一部分，再用反向传播两头凑（向前传播不会储存中间值）。

---

总结

我们的目标是要求计算$\frac{\partial z}{\partial w}$（Forward pass的部分）和计算$\frac{\partial l}{\partial z}$ ( Backward pass的部分 )，然后把$\frac{\partial z}{\partial w}$和$\frac{\partial l}{\partial z}$相乘，我们就可以得到$\frac{\partial l}{\partial w}$,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