版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/zhangpengzp/article/details/86511239
神经网络的反向传播，求偏导等的一些原理懂了，可一直不是很清楚具体操作流程是如何的呢？利用tensorflow的函数很容易就实现了前向、反向传播，但如果自己用代码如何实现呢，看了一个基础视频，才有了更深一步的理解。
1、首先定义sigmoid函数，以及其倒数
这里 deriv的值代表是否对sigmid求导，默认是sigmoid函数，当deriv=true时候，则是对x进行求导。
2、输入样本，5个样本，3个特征x
3、随机w0 和 w1的初始值
4 开始训练
上述是完整的代码了,是视频中的代码我截图下来的，实现的神经网络是2层的，前向传播大家都很容易理解，下面主要是解释下，如何反向传播，来达到修改w1、w0的值的。
按照反向传播的原理，再对后面l2进行求导时（le_error 当作是权重值，错误越大，修改幅度越大）
l2_delta = le_error % sigmoid(l2,deriv=True)本人觉得，应该是l2括号中的sigmoid（np.dot（11,w1）），如下（当然不知是否有错，还望大家指正下，谢谢）
l2_delta = le_error * sigmoid(np.dot(l1,w1),deriv=True)现在 些下本人查一些资料的一些理解吧：
其实反向传播 就是 求编导，相乘，但其中的权重和细节需要注意，但也可以根据自己需求自己写：
