通俗的理解反向传播

反向传播(Backpropagation)是一种常用的神经网络训练算法。它通过对网络中每个节点的输出误差进行反向传播，来调整每个节点的权重，使得网络能够更准确地预测结果。

反向传播算法的过程如下：

1. 首先，给网络输入一组训练数据，并计算输出结果。

2. 然后，计算输出结果与实际结果的差异，也就是网络的误差。

3. 接下来，计算每个节点对误差的贡献，并将这些贡献反向传播到前一层。

4. 根据贡献的大小，调整每个节点的权重，使得误差减小。

5. 重复以上过程，直到误差达到一定程度为止。

通过不断调整权重，反向传播算法能够使网络越来越准确地预测结果。