自动微分(Automatic Differentiation)简介

转载地址：https://blog.csdn.net/aws3217150/article/details/70214422

上面的文章写的非常好，不多做介绍，只说下自己对于两种自动微分的理解。

1. 首先不认同后向自动微分就是backprop这种说法，只能说两者都依赖于chain rule，形式上类似。且NN的backprop的情况是，输入x确定，结构不确定；反观后向微分，是x不确定，而结构确定的。

2. 再说下计算效率问题

    前向算法：假设有n维度输入，我们观察算法，发现用1个输出对n个输入做微分需要计算n轮。因为中间任意个节点对于每个维 度的输入都需要求导，而每一轮计算做的事情都是节点对单一维度的输入求导。但如果是1维输入，n个输出，仍然只需要计算1轮（只要明白计算上的依赖性，这点很容易理解）。

    后向算法：后向算法和前向算法刚好反过来，不做赘述

如此，对于多输入单输出，后向算法是比较省时间的。