YOLO源码详解（四）- 反向传播（back propagation）

本系列作者：木凌
时间：2016年12月。
文章连接：http://blog.csdn.net/u014540717
QQ交流群：554590241

---

反向传播是CNN中非常重要的一个环节，对于理论部分，这里不做介绍，如果对反向传播理论部分不熟悉，可以查看以下网站。
非常详细：零基础入门深度学习(3) - 神经网络和反向传播算法
非常详细：零基础入门深度学习(4) - 卷积神经网络
非常生动：如何直观的解释back propagation算法？
通过以上理论部分的学习，如果你还是感觉一脸蒙逼，那就看YOLO的代码吧，看完源代码你就会豁然开朗。让我们来一睹“back propagation”芳容

一、主函数backward_network(network net, network_state state)

//network.c
void backward_network(network net, network_state state)
{
    int i;
    float *original_input = state.input;
    float *original_delta = state.delta;
    state.workspace = net.workspace;
    for(i = net.n-1; i >= 0; --i){
        state.index = i;
        if(i == 0){
            state.input = original_input;
            state.delta = original_delta;
        }else{          
            layer prev = net.layers[i-1];
            state.input = prev.output;
            //这里注意，因为delta是指针变量，对state.delta做修改，就相当与对prev层的delta做了修改
            state.delta = prev.delta;
        }
        layer l = net.layers[i];
        l.backward(l, state);
    }
}
//这函数没什么好说的，一层一层看吧，顺序如下：
//[detection]
//[connected]
//[dropout]
//[local]
//[convolutional]
//[maxpool]

1、反向传播-detection层

//detection_layer.c