反向传播是利用链式法则递归计算表达式的梯度的方法。
导数的意义:函数变量在某个点周围的极小区域内变化,而导数就是变量变化导致的函数在该方向上的变化率。
函数关于每个变量的导数指明了整个表达式对于该变量的敏感程度。
使用链式法则计算复合表达式
知识回顾:
复合函数,比如。虽然这个表达足够简单,可以直接微分,但是在此使用一种有助于直观理解反向传播的方法。将公式分成两部分:和。
因为是和相乘,所以,又因为是+,所以。然而,并不需要关心中间量的梯度,因为没有用。相反,函数关于的梯度才是需要关注的。链式法则指出将这些梯度表达式链接起来的正确方式是相乘,比如。
下图是可视化计算过程:
前向传播从输入计算到输出(绿色),反向传播从尾部开始,根据链式法则递归地向前计算梯度(显示为红色),一直到网络的输入端。可以认为,梯度是从计算链路中回流。
每个门单元(图中的圆圈)都会得到一些输入并立即计算两个东西:1. 这个门的输出值 2.其输出值关于输入值的局部梯度。
一旦前向传播完毕,在反向传播的过程中,门单元门将最终获得整个网络的最终输出值在自己的输出值上的梯度。
门单元应该将回传的梯度乘以它对其的输入的局部梯度,从而得到整个网络的输出对该门单元的每个输入值的梯度。
以上图为例子:+这个门单元为例子。它获得*门单元传来的梯度1,它自局部梯度为df/dq=z=-4,所以它的梯度为-4*1=-4。
除了上文介绍的加法门,乘法门,取最大值门,还有下面这4种:
举个实际的例子:
求x和w的梯度。
这里有个小技巧:
所以我们令t=w0x0+w1x1+w2,所以df/dx=df/dt*dt/dx
w = [2,-3,-3] # 假设一些随机数据和权重
x = [-1, -2]
# 前向传播
t = w[0]*x[0] + w[1]*x[1] + w[2]
f = 1.0 / (1 + math.exp(-t)) # sigmoid函数
# 对神经元反向传播
dt = (1 - f) * f # 点积变量的梯度, 使用sigmoid函数求导
dx = [w[0] * dt, w[1] * dt] # 回传到x
dw = [x[0] * dt, x[1] * dt, 1.0 * dt] # 回传到w
# 完成!得到输入的梯度
分段反向传播。上面的代码展示了在实际操作中,为了使反向传播过程更加简洁,把向前传播分成不同的阶段将是很有帮助的。比如我们创建了一个中间变量t,它装着w和x的点乘结果。在反向传播的时,就可以(反向地)计算出装着w和x等的梯度的对应的变量(比如dt,dx和dw)。
再举个栗子:
前向传播:
sigy = 1.0 / (1 + math.exp(-y))
num = x + sigy 分子
sigx = 1.0 / (1 + math.exp(-x))
xpy = x + y
xpysqr = xpy**2
den = sigx + xpysqr 分母
invden = 1.0 / den
f = num * invden
反向传播:
dnum = invden 分子的梯度
dinvden = num
dden = (-1.0 / (den**2)) * dinvden 分母的梯度
dxpysqr = (1) * dden
dsigx = (1) * dden
dxpy = (2 * xpy) * dxpysqr
dx = (1) * dxpy
dy = (1) * dxpy
dx += ((1 - sigx) * sigx) * dsigx 回传 sigx = 1.0 / (1 + math.exp(-x))
dx += (1) * dnum 回传 num = x + sigy
dx += (1) * dnum
dsigy = (1) * dnum
dy += ((1 - sigy) * sigy) * dsigy
在不同分支的梯度要相加:如果变量x,y在前向传播的表达式中出现多次,那么进行反向传播的时候就要非常小心,使用+=而不是=来累计这些变量的梯度(不然就会造成覆写)。
总结:
讨论了分段计算在反向传播的实现中的重要性。应该将函数分成不同的模块,这样计算局部梯度相对容易,然后基于链式法则将其“链”起来。重要的是,不需要把这些表达式写在纸上然后演算它的完整求导公式,因为实际上并不需要关于输入变量的梯度的数学公式。只需要将表达式分成不同的可以求导的模块(模块可以是矩阵向量的乘法操作,或者取最大值操作,或者加法操作等),然后在反向传播中一步一步地计算梯度。