详解卷积神经网络反向传播

原文地址：http://jermmy.xyz/2017/12/16/2017-12-16-cnn-back-propagation/

在一般的全联接神经网络中，我们通过反向传播算法计算参数的导数。BP 算法本质上可以认为是链式法则在矩阵求导上的运用。但 CNN 中的卷积操作则不再是全联接的形式，因此 CNN 的 BP 算法需要在原始的算法上稍作修改。这篇文章主要讲一下 BP 算法在卷积层和 pooling 层上的应用。

原始的 BP 算法

首先，用两个例子回顾一下原始的 BP 算法。（不熟悉 BP 可以参考How the backpropagation algorithm works，不介意的话可以看我的读书笔记）

最简单的例子

先看一个最简单的例子（偷个懒，搬个手绘图～囧～）：

上图中，al 表示第 l 层的输出（a0 就是网络最开始的输入），网络的激活函数假设都是 σ()，wl 和 bl 表示第 l 层的参数，C表示 loss function，δl 表示第 l 层的误差，zl 是第 l 层神经元的输入，即 zl=wlal−1+bl，al=σ(zl)。

接下来要用 BP 算法求参数的导数 ∂C∂w 和 ∂C∂b。δ2=∂C∂z2=∂C∂a2∂a2∂z2=∂C∂a2σ′(z2)

δ1=∂C∂z1=δ2∂z2∂a1∂a1∂z1=δ2w2σ′(z1)

算出这两个误差项后，就可以直接求出导数了：∂C∂b2=∂C∂a2∂a2∂z2∂z2∂b2=δ2

∂C∂w2=∂C∂a2∂a2∂z2∂z2∂w2=δ2a1

∂C∂b1 和 ∂C∂w1 的求法是一样的，这里不在赘述。

次简单的例子

接下来稍微把网络变复杂一点：

符号的标记和上一个例子是一样的。要注意的是，这里的 Wl 不再是一个数，而变成一个权重矩阵，Wlkj 表示第 l−1 层的第 j 个神经元到第 l 层的第 k 个神经元的权值，如下图所示：

首先，还是要先求出网络的误差 δ。

δ21=∂C∂z21=∂C∂a21σ′(z21)

δ22=∂C∂z22=∂C∂a22σ′(z22)

由此得到：δ2=[δ21δ22]=[∂C∂a21∂C∂a22]⊙[σ′(z21)σ′(z22)]⊙ 表示 elementwise 运算。

接着要根据 δ2 计算前一层的误差 δ1。δ11=∂C∂z11=∂C∂a21σ′(z21)∂z21∂a11∂a11∂z11+∂C∂a22σ′(z22)∂z22∂a11∂a11∂z11=∂C∂a21σ′(z21)W211σ′(z11)+∂C∂a22σ′(z22)W221σ′(z11)=[∂C∂a21σ′(z21)∂C∂a22σ′(z22)][W211W221]⊙[σ′(z11)]同理，δ12=[∂C∂a21σ′(z21)∂C∂a22σ′(z22)][W212W222]⊙[σ′(z12)]。

这样，我们就得到第 1 层的误差项：δ1=[W211W221W212W222][∂C∂z21∂C∂z22]⊙[σ′(z11)σ′(z12)]=W2Tδ2⊙σ′(z1)然后，根据误差项计算导数：∂C∂b2j=∂C∂z2j∂z2j∂b2j=δ2j∂C∂w2jk=∂C∂z2j∂z2j∂w2jk=a1kδ2j∂C∂b1j=∂C∂z1j∂z1j∂b1j=δ1j∂C∂w1jk=∂C∂z1j∂z1j∂w1jk=a0kδ1j

BP 算法的套路

在 BP 算法中，我们计算的误差项 δl 其实就是 loss function 对 zl 的导数 ∂C∂zl，有了该导数后，根据链式法则就可以比较容易地求出 ∂C∂Wl 和 ∂C∂bl。

CNN 中的 BP 算法

之所以要「啰嗦」地回顾普通的 BP 算法，主要是为了熟悉一下链式法则，因为这一点在理解 CNN 的 BP 算法时尤为重要。

下面就来考虑如何把之前的算法套路用在 CNN 网络中。

CNN 的难点在于卷积层和 pooling 层这两种很特殊的结构，因此下面重点分析这两种结构的 BP 算法如何执行。

卷积层

假设我们要处理如下卷积操作：(a11a12a13a21a22a23a31a32a33)∗(w11w12w21w22)=(z11z12z21z22)

这个操作咋一看完全不同于全联接层的操作，这样，想套一下 BP 算法都不知从哪里入手。但是，如果把卷积操作表示成下面的等式，问题就清晰多了（卷积操作一般是要把卷积核旋转 180 度再相乘的，不过，由于 CNN 中的卷积参数本来就是学出来的，所以旋不旋转，关系其实不大，这里默认不旋转）：

z11=a11w11+a12w12+a21w21+a22w22 

z12=a12w11+a13w12+a22w21+a23w22

z21=a21w11+a22w12+a31w21+a32w22z22=a22w11+a23w12+a32w21+a33w22

更进一步，我们还可以把上面的等式表示成下图：

上图的网络结构中，左边青色的神经元表示 a11 到 a33，中间橙色的表示 z11 到 z22。需要注意的是，青色和橙色神经元之间的权值连接用了不同的颜色标出，紫色线表示 w11，蓝色线表示 w12，依此类推。这样一来，如果你熟悉 BP 链式法则的套路的话，你可能已经懂了卷积层的 BP 是怎么操作的了。因为卷积层其实就是一种特殊的连接层，它是部分连接的，而且参数也是共享的。

假设上图中，z 这一层神经元是第 l 层，即 z=zl，a=al−1。同时假设其对应的误差项 δl=∂C∂zl 我们已经算出来了。下面，按照 BP 的套路，我们要根据 δl 计算 δl−1、∂C∂wl 和 ∂C∂bl 。

卷积层的误差项 δl−1

首先计算 δl−1。假设上图中的 al−1 是前一层经过某些操作（可能是激活函数，也可能是 pooling 层等，但不管是哪种操作，我们都可以用 σ() 来表示）后得到的响应，即 al−1=σ(zl−1)。那么，根据链式法则：δl−1=∂C∂zl−1=∂C∂zl∂zl∂al−1∂al−1∂zl−1=δl∂zl∂al−1⊙σ′(zl−1)

对照上面的例子， zl−1 应该是一个 9 维的向量，所以  σ′(zl−1) 也是一个向量，根据之前 BP 的套路，这里需要  ⊙ 操作。

这里的重点是要计算 ∂zl∂al−1，这也是卷积层区别于全联接层的地方。根据前面展开的卷积操作的等式，这个导数其实比全联接层更容易求。以 al−111 和 al−112 为例（简洁起见，下面去掉右上角的层数符号 l）：∇a11=∂C∂z11∂z11∂a11+∂C∂z12∂z12∂a11+∂C∂z21∂z21∂a11+∂C∂z22∂z22∂a11=δ11w11

∇a12=∂C∂z11∂z11∂a12+∂C∂z12∂z12∂a12+∂C∂z21∂z21∂a12+∂C∂z22∂z22∂a12=δ11w12+δ12w11

（∇aij 表示 ∂C∂aij。如果这两个例子看不懂，证明对之前 BP 例子中的（1）式理解不够，请先复习普通的 BP 算法。）

其他 ∇aij 的计算，道理相同。

之后，如果你把所有式子都写出来，就会发现，我们可以用一个卷积运算来计算所有 ∇al−1ij：(00000δ11δ1200δ21δ2200000)∗(w22w21w12w11)=(∇a11∇a12∇a13∇a21∇a22∇a23∇a31∇a32∇a33)

这样一来，（3）式可以改写为： δl−1=∂C∂zl−1=δl∗rot180(Wl)⊙σ′(zl−1)

（4）式就是 CNN 中误差项的计算方法。注意，跟原始的 BP 不同的是，这里需要将后一层的误差  δl 写成矩阵的形式，并用 0 填充到合适的维度。而且这里不再是跟矩阵  WlT 相乘，而是先将  Wl  旋转 180 度后，再跟其做卷积运算。

卷积层的导数 ∂C∂wl 和 ∂C∂bl

这两项的计算也是类似的。假设已经知道当前层的误差项 δl，参考之前 ∇aij 的计算，可以得到：∇w11=∂C∂z11∂z11∂w11+∂C∂z12∂z12∂w11+∂C∂z21∂z21∂w11+∂C∂z22∂z22∂w11=δ11a11+δ12a12+δ21a21+δ22a22

∇w12=∂C∂z11∂z11∂w12+∂C∂z12∂z12∂w12+∂C∂z21∂z21∂w12+∂C∂z22∂z22∂w12=δ11a12+δ12a13+δ21a22+δ22a23

其他 ∇wij 的计算同理。

跟 ∇aij 一样，我们可以用矩阵卷积的形式表示：(a11a12a13a21a22a23a31a32a33)∗(δ11δ12δ21δ22)=(∇w11∇w12∇w21∇w22)

这样就得到了  ∂C∂wl 的公式： ∂C∂wl=al−1∗δl

对于  ∂C∂bl，我参考了文末的 链接，但对其做法仍然不太理解，我觉得在卷积层中， ∂C∂bl 和一般的全联接层是一样的，仍然可以用下面的式子得到： ∂C∂bl=δl

理解不一定对，所以这一点上大家还是参考一下其他资料。

pooling 层

跟卷积层一样，我们先把 pooling 层也放回网络连接的形式中：

红色神经元是前一层的响应结果，一般是卷积后再用激活函数处理。绿色的神经元表示 pooling 层。很明显，pooling 主要是起到降维的作用，而且，由于 pooling 时没有参数需要学习，因此，当得到 pooling 层的误差项 δl 后，我们只需要计算上一层的误差项 δl−1 即可。要注意的一点是，由于 pooling 一般会降维，因此传回去的误差矩阵要调整维度，即 upsample。这样，误差传播的公式原型大概是：

δl−1=upsample(δl)⊙σ′(zl−1)。

下面以最常用的 average pooling 和 max pooling 为例，讲讲 upsample(δl) 具体要怎么处理。

假设 pooling 层的区域大小为 2×2，pooling 这一层的误差项为：δl=(2846)

首先，我们先把维度还原到上一层的维度： (0000028004600000)

在 average pooling 中，我们是把一个范围内的响应值取平均后，作为一个 pooling unit 的结果。可以认为是经过一个  average() 函数，即  average(x)=1m∑mk=1xk。在本例中， m=4。则对每个  xk 的导数均为：

∂average(x)∂xk=1m

因此，对 average pooling 来说，其误差项为：δl−1=δl∂average∂x⊙σ′(zl−1)=upsample(δl)⊙σ′(zl−1)=(0.50.5220.50.522111.51.5111.51.5)⊙σ′(zl−1)

在 max pooling 中，则是经过一个  max() 函数，对应的导数为： ∂max(x)∂xk={1if xk=max(x)0otherwise

假设前向传播时记录的最大值位置分别是左上、右下、右上、左下，则误差项为： δl−1=(2000000804000060)⊙σ′(zl−1)

参考

• How the backpropagation algorithm works
• 卷积神经网络(CNN)反向传播算法
• Convolutional Neural Networks backpropagation: from intuition to derivation
• 如何通俗易懂地解释卷积？ - 马同学的回答 - 知乎
• https://www.slideshare.net/kuwajima/cnnbp