神经网络反向传播的数学原理

如果能二秒内在脑袋里解出下面的问题，本文便结束了。

已知：，其中。

求：。

到这里，请耐心看完下面的公式推导，无需长久心里建设。

首先，反向传播的数学原理是“求导的链式法则” :

设f和g为x的可导函数，则。

接下来介绍

• 矩阵、向量求导的维数相容原则

• 利用维数相容原则快速推导反向传播

• 编程实现前向传播、反向传播

• 卷积神经网络的反向传播

快速矩阵、向量求导

这一节展示如何使用链式法则、转置、组合等技巧来快速完成对矩阵、向量的求导

一个原则维数相容，实质是多元微分基本知识，没有在课本中找到下列内容，维数相容原则是我个人总结：

维数相容原则：通过前后换序、转置 使求导结果满足矩阵乘法且结果维数满足下式：

如果 ，那么。

利用维数相容原则解上例：

step1：把所有参数当做实数来求导，，

依据链式法则有

可以看出除了，和的求导结果在维数上连矩阵乘法都不能满足。

step2：根据step1的求导结果，依据维数相容原则做调整：前后换序、转置

依据维数相容原则，但中、，自然得调整为；

同理：，但中、，那么通过换序、转置我们可以得到维数相容的结果。

对于矩阵、向量求导：

• “当做一维实数使用链式法则求导，然后做维数相容调整，使之符合矩阵乘法原则且维数相容”是快速准确的策略；

• “对单个元素求导、再整理成矩阵形式”这种方式整理是困难的、过程是缓慢的，结果是易出错的（不信你试试）。

如何证明经过维数相容原则调整后的结果是正确的呢？直觉！简单就是美...

快速反向传播

神经网络的反向传播求得“各层”参数W和b的导数，使用梯度下降（一阶GD、SGD，二阶LBFGS、共轭梯度等）优化目标函数。

接下来，展示不使用下标的记法直接对W和b求导，反向传播是链式法则和维数相容原则的完美体现，对每一层参数的求导利用上一层的中间结果完成。

这里的标号，参考UFLDL教程 - Ufldl

前向传播：

    （公式1）

             （公式2）

为第  层的中间结果， 为第  层的激活值，其中第  +1层包含元素：输入，参数、，激活函数，中间结果，输出。

设神经网络的损失函数为（这里不给出具体公式，可以是交叉熵、MSE等），根据链式法则有：

这里记 ，其中、可由 公式1 得出，加转置符号是根据维数相容原则作出的调整。

如何求  ？可使用如下递推（需根据维数相容原则作出调整）：

其中

。

那么我们可以从最顶层逐层往下，便可以递推求得每一层的

注意：是逐维求导，在公式中是点乘的形式。

反向传播整个流程如下：

1) 进行前向传播计算，利用前向传播公式，得到隐藏层和输出层 的激活值。

2) 对输出层(第  层)，计算残差：（不同损失函数，结果不同，这里不给出具体形式）

3) 对于的隐藏层，计算：

4) 计算各层参数偏导数：

编程实现

大部分开源library（如：caffe，Kaldi/src/{nnet1,nnet2}）的实现通常把作为一个layer，激活函数作为一个layer（如：sigmoid、relu、softplus、softmax）。

反向传播时分清楚该层的输入、输出即能正确编程实现,如：

(1)式AffineTransform/FullConnected层，以下是伪代码：

注: out_diff = 是上一层（Softmax 或 Sigmoid/ReLU的 in_diff）已经求得：

(2)式激活函数层（以Sigmoid为例）

注：out_diff = 是上一层AffineTransform的in_diff，已经求得,

在实际编程实现时，in、out可能是矩阵(通常以一行存储一个输入向量，矩阵的行数就是batch_size)，那么上面的C++代码就要做出变化（改变前后顺序、转置，把函数参数的Vector换成Matrix，此时Matrix out_diff 每一行就要存储对应一个Vector的diff，在update的时候要做这个batch的加和，这个加和可以通过矩阵相乘out_diff*input（适当的转置）得到。

如果熟悉SVD分解的过程，通过SVD逆过程就可以轻松理解这种通过乘积来做加和的技巧。

丢掉那些下标记法吧！

卷积层求导

卷积怎么求导呢？实际上卷积可以通过矩阵乘法来实现（是否旋转无所谓的，对称处理，caffe里面是不是有image2col），当然也可以使用FFT在频率域做加法。

那么既然通过矩阵乘法，维数相容原则仍然可以运用，CNN求导比DNN复杂一些，要做些累加的操作。具体怎么做还要看编程时选择怎样的策略、数据结构。