神经网络反向传播的数学原理

最新推荐文章于 2024-05-22 23:13:44 发布

金戈鐡馬

最新推荐文章于 2024-05-22 23:13:44 发布

阅读量242

点赞数

分类专栏：深度学习文章标签：神经网络算法机器学习反向传播深度学习

本文链接：https://blog.csdn.net/qq_39312146/article/details/134479737

版权

深度学习专栏收录该内容

40 篇文章 14 订阅

订阅专栏

文章介绍了维数相容原则在反向传播中的重要性，如何通过链式法则和矩阵操作快速求导，以及如何在卷积神经网络中应用此原则。重点讲解了矩阵、向量的求导技巧，以及编程实现中的注意事项。

摘要由CSDN通过智能技术生成

如果能二秒内在脑袋里解出下面的问题，本文便结束了。

已知： $J=(Xw-y)^T(Xw-y)=\left | \right | Xw-y\left | \right | ^2$ ，其中 $X\in R^{m\times n},w\in R^{n\times1},y\in R^{m\times1}$ 。

求： $\frac{\partial J}{\partial X},\frac{\partial J}{\partial w},\frac{\partial J}{\partial y}$ 。

到这里，请耐心看完下面的公式推导，无需长久心里建设。

首先，反向传播的数学原理是“求导的链式法则” :

设f和g为x的可导函数，则 $(f\circ g)'(x)=f'(g(x))g'(x)$ 。

接下来介绍

矩阵、向量求导的维数相容原则
利用维数相容原则快速推导反向传播
编程实现前向传播、反向传播
卷积神经网络的反向传播

快速矩阵、向量求导

这一节展示如何使用链式法则、转置、组合等技巧来快速完成对矩阵、向量的求导

一个原则维数相容，实质是多元微分基本知识，没有在课本中找到下列内容，维数相容原则是我个人总结：

维数相容原则：通过前后换序、转置 使求导结果满足矩阵乘法且结果维数满足下式：

如果 $x\in R^{m \times n},f(x) \in R^1$ ，那么 $\frac{\partial f(x)}{\partial x} \in R^{m \times n}$ 。

利用维数相容原则解上例：

step1：把所有参数当做实数来求导， $J=(Xw-y)^2$ ，

依据链式法则有 $\frac{\partial J}{\partial X}=2(Xw-y)w, \frac{\partial J}{\partial w}=2(Xw-y)X, \frac{\partial J}{\partial y}=-2(Xw-y)$

可以看出除了 $\frac{\partial J}{\partial y}=-2(Xw-y)$ ， $\frac{\partial J}{\partial X}$ 和 $\frac{\partial J}{\partial w}$ 的求导结果在维数上连矩阵乘法都不能满足。

step2：根据step1的求导结果，依据维数相容原则做调整：前后换序、转置

依据维数相容原则 $\frac{\partial J}{\partial X} \in R^{m \times n}$ ，但 $\frac{\partial J}{\partial X} \in R^{m \times n}=2(Xw-y)w$ 中 $(Xw-y)\in R^{m \times 1}$ 、 $X \in R^{m \times n}$ ，自然得调整为 $\frac{\partial J}{\partial X}=2(Xw-y)w^T$ ；

同理： $\frac{\partial J}{\partial w} \in R^{n \times 1}$ ，但 $\frac{\partial J}{\partial w} \in R^{n \times 1}=2(Xw-y)X$ 中 $(Xw-y) \in R^{m \times 1}$ 、 $X \in R^{m \times n}$ ，那么通过换序、转置我们可以得到维数相容的结果 $2X^T(Xw-y)$ 。

对于矩阵、向量求导：

“当做一维实数使用链式法则求导，然后做维数相容调整，使之符合矩阵乘法原则且维数相容”是快速准确的策略；
“对单个元素求导、再整理成矩阵形式”这种方式整理是困难的、过程是缓慢的，结果是易出错的（不信你试试）。

如何证明经过维数相容原则调整后的结果是正确的呢？直觉！简单就是美...

快速反向传播

神经网络的反向传播求得“各层”参数W和b的导数，使用梯度下降（一阶GD、SGD，二阶LBFGS、共轭梯度等）优化目标函数。

接下来，展示不使用下标的记法 $(W_{ij},b_iorb_j)$ 直接对W和b求导，反向传播是链式法则和维数相容原则的完美体现，对每一层参数的求导利用上一层的中间结果完成。

这里的标号，参考UFLDL教程 - Ufldl

前向传播：

$z^{(l+1)}=W^{(l)}a^{(l)}+b^{(l)}$ （公式1）

$a^{(l+1)}=f(z^{(l+1)})$ （公式2）

$z^{(l)}$ 为第 $l$ 层的中间结果， $a^{(l)}$ 为第 $l$ 层的激活值，其中第 $l$ +1层包含元素：输入 $a^{(l)}$ ，参数 $W^{(l)}$ 、 $b^{(l)}$ ，激活函数 $f()$ ，中间结果 $z^{(l+1)}$ ，输出 $a^{(l+1)}$ 。

设神经网络的损失函数为 $J(W,b) \in R^1$ （这里不给出具体公式，可以是交叉熵、MSE等），根据链式法则有：

这里记 $\frac{\partial J(W,b)}{\partial {z^{(l+1)}}}=\delta ^{(l+1)}$ ，其中 $\frac{\partial z^{(l+1)}}{\partial W^{(l)}}=a^{(l)}$ 、 $\frac{\partial z^{(l+1)}}{\partial b^{(l)}}=1$ 可由 公式1 得出， $a^{(l)}$ 加转置符号 $(a^{(l)})^T$ 是根据维数相容原则作出的调整。

如何求 $\delta ^{(l)}=\frac{\partial J(W,b)}{\partial z^{(l)}}$ ？可使用如下递推（需根据维数相容原则作出调整）：

其中

。

那么我们可以从最顶层逐层往下，便可以递推求得每一层的 $\delta ^{(l)}=\frac{\partial J(W,b)}{\partial z^{(l)}}$

注意： $\frac{\partial a^{(l)}}{\partial z^{(l)}}=f'(z^{(l)})$ 是逐维求导，在公式中是点乘的形式。

反向传播整个流程如下：

1) 进行前向传播计算，利用前向传播公式，得到隐藏层和输出层的激活值。

2) 对输出层(第 $l$ 层)，计算残差： $\delta ^{(l)}=\frac{\partial J(W,b)}{\partial z^{(l)}}$ （不同损失函数，结果不同，这里不给出具体形式）

3) 对于 $l-1,l-2,\cdot \cdot \cdot ,2$ 的隐藏层，计算：

4) 计算各层参数 $W^{(l)},b^{(l)}$ 偏导数：

编程实现

大部分开源library（如：caffe，Kaldi/src/{nnet1,nnet2}）的实现通常把 $W^{(l)},b^{(l)}$ 作为一个layer，激活函数 $f()$ 作为一个layer（如：sigmoid、relu、softplus、softmax）。

反向传播时分清楚该层的输入、输出即能正确编程实现,如：

(1)式AffineTransform/FullConnected层，以下是伪代码：

注: out_diff = $\frac{\partial J}{\partial z^{(l+1)}}$ 是上一层（Softmax 或 Sigmoid/ReLU的 in_diff）已经求得：

(2)式激活函数层（以Sigmoid为例）

注：out_diff = $\frac{\partial J}{\partial a^{(l+1)}}$ 是上一层AffineTransform的in_diff，已经求得,

在实际编程实现时，in、out可能是矩阵(通常以一行存储一个输入向量，矩阵的行数就是batch_size)，那么上面的C++代码就要做出变化（改变前后顺序、转置，把函数参数的Vector换成Matrix，此时Matrix out_diff 每一行就要存储对应一个Vector的diff，在update的时候要做这个batch的加和，这个加和可以通过矩阵相乘out_diff*input（适当的转置）得到。

如果熟悉SVD分解的过程，通过SVD逆过程就可以轻松理解这种通过乘积来做加和的技巧。

丢掉那些下标记法吧！