反向传播
以下资料来自李宏毅老师《机器学习》2020春季-Back propagation
结合自己的学习笔记整理而成
在梯度下降的基础上，我们来看一下如何求出梯度，从而进行梯度下降，实现对参数的优化。
背景知识
背景知识很简单，只有链式法则：
如图，利用小学二年级学习的链式求导法则，实现对复合函数的求导，那么在我们的神经网络中，也是一样的道理。每一次的计算，都是一批样本（一个batch）的计算，那么Loss就是每一个Ln的加和，而加和不影响求导，所以下面的运算都将L视为加和后的L，Loss的选取有多种，例如MSE或者交叉熵，只要是可微分的形式就好。
我们知道一个神经元就是上面的样子（假设本层是输入层，有2个输入），那么利用链式法则将L（L是最终的损失函数）对w的偏导数写成L对z的偏导数和z对w的偏导数，显然z对w的偏导数就是输入x的数值，故很容易得到；之后，z通过一个激活函数就得到神经元的输出，故L对z的偏导数可以就是如下形式（假设激活函数为Sigmoid函数）：
于是问题转化为了求L对a（a是本层的输出，也就是下一层的输入）的偏导数，继续利用链式法则，我们可以将L对a的偏导数写成L对下一层z的偏导数乘以z对a的偏导数的乘积的总和（总个数就是下一层神经元的个数），如下图：
这个式子中w是知道的，未知的只是L对下一层z的偏导数，我们发现这个问题就转化为上面的问题了，最终的求解形成了一个递归，递归的次数就是神经网络的层数，那么不如直接跳到最后的输出层：
注意：这里假设了上图中的 z’和z’’ 通过激活函数就是输出y了，于是链式法则展开如上式，变成了激活函数的导数乘以L对y的偏导数，而L就是y和y-hat的函数，很容易就可以求出来。于是，结束了。
那么反向传播的反向体现在什么地方了呢？
Backward Pass
这是整个算法最精髓的部分！
这是整个算法最精髓的部分！
这是整个算法最精髓的部分！
我们在上面推导出如下式子：
即：
（σ’(z)是激活函数的导数）
这样子可能看不出来，将其表示成如下形式：
换了一种方向看问题，突然世界都变了！
我们将最初的
分为了两部分：
- ∂ z / ∂ w：这部分是前向传播（forward pass），因为在求导的时候是顺着神经网络输入的方向观察问题的，很容易求出值就是输入；
- ∂ L / ∂ z：这部分是后向传播（backward pass），因为在求导的时候是逆着神经网络输入的方向观察问题的，将这一步求偏导数需要用到的结果一步步转移到最终的输出层，于是变成了从后向前逐步计算此处的偏导数值；
以上讨论的问题是对第一层神经元对应参数的梯度的计算，也就是在第一层的空间更新参数的方向，其他层的情况可以类比。