首先说明，求导不只是链式法则这么简单。我们常常不知道需要对谁求导，如何从最后的损失函数一步一步的计算到每一个参数上。此外，我们也有可能遇到不知道根据公式来进行编程，根本原因在于公式和编程并不是同样的语言，这是有差别的，我们如何跨越这个差别呢？
如果你有以上两个困惑，希望本文和下一篇博客能助你一臂之力。
本文主要针对第一个问题。第二个问题将会在下篇博客详细说明。
损失函数的计算
首先说明本文解决的是softmax的多分类器的梯度求导，以下先给出损失函数的计算方式：
这里将最终的loss分为4步进行计算，如下所示，当然，这里不解释为什么是这样的计算方式。
注意到，本文并不限制训练样本的数量，训练样本的特征数，以及最后分为几类。
这里x表示输入，w表示权重参数。
说明：这里的x和w的下标表示x的某一行和w的某一列相乘在逐项相加得到s。
然后再根据s计算每一个类的概率，如下公式（2）
这里采用的下标和公式（1）不相同，其中，n表示样本的个数，y表示样本为n时的正确分类标号。k表示有多少分类。这个公式就是先将s进行e次方计算，然后归一化，求得该样本正确分类下的概率p.
根据p可以计算出每一个样本的损失，如公式（3）：
这个公式说明，每一个样本的损失仅仅是正确分类对应的概率值的log函数，这里准确说应该是ln函数，也就是以自然对数为底的，这样计算导数更方便，后面会以ln为版本进行计算。
最后，根据公式（4）计算所有样本的损失：
也就是将所有样本的损失求平均数。
注意：以上下标是独立系统，与下面的推导过程没有必然关系，这里特别指ij，其他字母的含义基本相同。
基本求导法则
所谓梯度，就是求损失函数对参数w的导数，将其用在更新参数w上，达到优化的目的。
我们知道，梯度计算遵循着链式法则，而基本求导公式也是需要的，防止有人忘记，我先给出这里将会用到的基本求导公式。知道的请跳过这一节，直接看下一节。
以下开始正式求梯度
计算整个损失函数对w（下标为ij）的导数。
根据链式法则，考虑到总损失为每个样本损失的平均数，且每个样本的损失都与wij相关，这个说明很有必要，假如某个损失与wij无关，我们就不用对它进行求导了。
有公式（5）
这里Ln表示样本为n时的损失函数。
不失一般性，这里对最后一项进行继续推导，然后将其相加。
同样的，由于pny是和wij的函数，有公式（6）：
结合公式（2），前一部分有有公式（7）：
后一个部分我们继续来考虑，pny的上下两项是否都是wij的函数？肯定的回答是，这不一定，由公式（2）和（1）可知，如果公式2中分子的下标y不是j,那么实际上这里公式2的分子就不是wij的函数。
我们细说一下，由公式1，ij是公式1中的下标，当sij与wij有关系建立在这个j相等的情况，但是公式2的分子并不一定就满足这个关系的，什么情况满足呢？那就是样本n的正确分类的下标j和wij中的下标j相等时；否则这就没有关系。
因此，我们需要分为两种情况来进一步计算公式（6）的后半部分。
（实际上，我们也可以先认为他们相关，然后进一步处理，这里我先不这么做）
情况一，公式（2）中的分子与wij无关：也就是以下公式中y与j不相等
公式（2）中分母必然与wij有关，且只有一个与wij有关。那就是公式（2）中分母的下标k与wij的就相等时，而其他都与wij无关。
进一步考虑到e的s次方，s与wij的关系，因此针对情况一，有公式（8）
继续对第二项展开有公式（9）：
这里还是细细说一下，这个过程，始终记住一点，那就是中间变量与wij是什么关系，可以根据公式看出来。根据公式（1），当且仅当s的下标中是ij时才会与wij有关，而对sij对wij求导时得到的就是xii，(两个i不一样的含义)只需要把公式（1）中的x和w的下标中的点号换成i即可。也就是说，s对w求导时，x的第一个下标是s的第一个下标，x的第二个下标是w的第一个下标。当然，这里我们需要再将s的下标i换成n，这样才能满足以上的推导。
我们将公式（9）根据公式（2）化简一下，再带入公式（6），可以得到公式（10），也就是情况一下的最终一个样本的梯度：
其中，用了一个简写，也就是求和的项简写了，请留意。
写成pnj是因为我们计算过程中会产生这个数，而且这样写起来也更整齐。
情况二，公式（2）中的分子是wij的函数：
注意到这里，公式（2）中pny的下标y和wij的下标j是相等的，也就是y=j。
情况2比情况1复杂在公式（2）的分母上，其余相同，因此，对其求导过程如下：
这里先使用ynj(nj是下标)表示样本为n时第j个分类的真实值，要么是0，要么是1，1表示真实分类就是这个j.
情况一根据（1\u)'求导，情况二则根据（v/u)'来求导，因此有一点差别。
以下一步一步的写：
根据公式（2）将后面展开可得：
化简一下可以得到：
根据公式（2）继续化简：
对上式去括号操作：
继续求导并且根据公式2化简得公式（11）
可以看出，这与上面的情况一相差在最后一项上，而前面一项是相等的。
接下来我们一起探讨一下怎么求后面的一项，毕竟这还无法完全理解清楚，因为这还是一个导数，也不是输入或者中间求到的某个数。
前面我们已经说到，情况二下公式（2）中的y和wij的j是相等的。
这时候计算知道：
所以公式（11）进一步计算可得最终的求导公式：公式（12）
综合两个情况
情况二比情况一多减去一项。
一般情况下，我们直接使用pnj * xni即可。
而当wij中j是当前样本n的正确分类时要多减去xni。
以上既是多分类器softmax的梯度求导公式。
后话
其实个人感觉梯度的计算还是挺难的，而且本文只是推导公式，还没有真正的编程计算。
实际上，我们通常为了保证我们的程序正确，会写一个数值求导，正确情况下两者不会相差很多。
本文的理论推导，将会在下一篇博客中写明如何进行计算。