对于单个样本计算一次梯度:
在逻辑回归中,我们要做的就是修改参数w和b,来减少损失函数。因为我们要计算关于损失函数的导数,反向传播时,首先计算损失函数对于da的导数。
da = dL/da = -y/a+(1-y)/(1-a) 。
继续往回,算出损失函数对z的导数:
dz = dL/dz = (dL/da)*(da/dz) = da*a(1-a) = a-y
其中 da/dz=a(1-a) 注:仅对于sigmoid函数成立。
现在可以计算当前L层的dw,db。
小结:
(1)以上为单个隐藏层时的梯度计算,扩展到多个隐藏层,只需继续往回走。
(2)可以注意到,每次往回计算(L-1)层的导数时,都会用到