李宏毅机器学习之Backpropagation

一、背景

1.1 梯度下降

• 先给(weight and bias)
• 先选择一个初始的，计算的损失函数（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
• 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，可以是我们在计算梯度向量的时候更有效率。

1.2 链式法则

• 连锁影响（可以看出x影响y，y会影响z）
• BP主要用到了chain rule

二、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并不会影响后面的参数的求解结果。
• 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()就是所有的损失之和，所以如果要算每个L()的偏微分，我们只要算每个的偏微分，再把所有偏微分的结果加起来就是L()的偏微分，所以等下我们值计算每个的偏微分。首先在整个神经网络中抽取出一小部分的神经（Neuron）去看（红色标注的地方）：

2.1 取出一个Neuron进行分析

• 计算梯度分成两个部分
  • 计算（Forward pass部分）
  • 计算（Backward pass部分）

2.1.1 Forward Pass

• 首先计算（Forward pass的部分）

• 更具求微分的原理，forward pass的运算规律就是：，这里计算得到的和恰好就是输入的和直接使用数字，更直观地看到运算规律：

2.1.2 Backward Pass

• 这一部分很困难复杂因为我们的l是最后一层：那么计算就很困难

• 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，计算过程如下：

• 最终的式子结果：

• 但是我们可以想象另一个角度来看这个事情，现在有另外一个神经元，把forward的过程逆向过来，其中是常数，因为它在向前传播的时候就已经确定了

• case 1：Output layer
• 假设和是最后一层的隐藏层，也就是y1于y2是输出值，那么直接计算就能得出结果。如果不是最后一层，计算和的话就需要继续往后走一直通过链式法则算下去

• case 2：Not Output Layer
• 对于这个问题我们继续计算后面绿色的和，然后通过继续乘和得到，但是要是和都不知道，那么我们就继续往后面计算，一直碰到输出值，得到输出值后再反向往输入的那个方向走。

• 对于下图1我们可以，从最后一个和看，因为和比较容易通过output求出来，然后继续往前求和，再继续求和最后我们就得到下图2的结果

• 实际上进行backward pass时候和向前传播的计算量差不多

三、总结

• 我们目标是求计算（Forward pass的部分）和计算（Backward pass的部分），然后把和相乘，我们就可以得到，所以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。