雷鋒網(wǎng)按：本文原作者憶臻，本文原載于作者的知乎專欄——機(jī)器學(xué)習(xí)算法與自然語言處理。雷鋒網(wǎng)已獲得作者授權(quán)。

在我們了解過神經(jīng)網(wǎng)絡(luò)的人中，都了解神經(jīng)網(wǎng)絡(luò)一個(gè)有很常見的訓(xùn)練方法，BP 訓(xùn)練算法。通過 BP 算法，我們可以不斷的訓(xùn)練網(wǎng)絡(luò)，最終使得網(wǎng)絡(luò)可以無限的逼近一種我們想要擬合的函數(shù)，最終訓(xùn)練好的網(wǎng)絡(luò)它既能在訓(xùn)練集上表現(xiàn)好，也能在測(cè)試集上表現(xiàn)不錯(cuò)！

那么 BP 算法具體是什么呢？為什么通過 BP 算法，我們就可以一步一步的走向最優(yōu)值（即使有可能是局部最優(yōu)，不是全局最優(yōu)，我們也可以通過其它的方法也達(dá)到全局最優(yōu)），有沒有一些什么數(shù)學(xué)原理在里面支撐呢？這幾天梳理了一下這方面的知識(shí)點(diǎn)，寫下來，一是為了記錄，二也可以分享給大家，防止理解錯(cuò)誤，一起學(xué)習(xí)交流。

BP 算法具體是什么，可以參考我這篇文章知乎專欄（詳細(xì)的將 BP 過程走了一遍，加深理解），那么下面解決這個(gè)問題，為什么通過 BP 算法，就可以一步一步的走向更好的結(jié)果。首先我們從神經(jīng)網(wǎng)絡(luò)的運(yùn)行原理來看，假如現(xiàn)在有下面這個(gè)簡單的網(wǎng)絡(luò)，如圖：

我們定義符號(hào)說明如下：

則我們正向傳播一次可以得到下面公式：

如果損失函數(shù) C 定義為

那么我們希望訓(xùn)練出來的網(wǎng)絡(luò)預(yù)測(cè)出來的值和真實(shí)的值越接近越好。我們先暫時(shí)不管 SGD 這種方法，最暴力的我們希望對(duì)于一個(gè)訓(xùn)練數(shù)據(jù)，C 能達(dá)到最小，而在 C 表達(dá)式中，我們可以把 C 表達(dá)式看做是所有 w 參數(shù)的函數(shù)，也就是求這個(gè)多元函數(shù)的最值問題。那么成功的將一個(gè)神經(jīng)網(wǎng)絡(luò)的問題引入到數(shù)學(xué)中最優(yōu)化的路上了。

---------------------------分割線---------------------------

好，我們現(xiàn)在順利的將一個(gè)神經(jīng)網(wǎng)絡(luò)要解決的事情轉(zhuǎn)變?yōu)橐粋€(gè)多元函數(shù)的最優(yōu)化上面來了?，F(xiàn)在的問題是怎么修改 w，來使得 C 越來越往最小值靠近呢。常見的方法我們可以采取梯度下降法（為什么梯度下降法中梯度的反方向是最快的方向，可以參考我下篇文章，不是這篇文章主旨）。可能到這還有點(diǎn)抽象，下面舉一個(gè)特別簡單的例子。

假如我們的網(wǎng)絡(luò)非常簡單，如下圖（符號(hào)說明跟上面一樣）：

那么我們可以得到：

其中

只有 w 參數(shù)是未知的，那么 C 就可以看做是關(guān)于 w 的二元函數(shù)（二元函數(shù)的好處就是我們可以在三維坐標(biāo)上將它可視化出來，便于理解~）。 圖片來自于網(wǎng)絡(luò)：

下面走一遍算法過程：

我們先開始隨機(jī)初始化 w 參數(shù)，相當(dāng)于我們可以在圖上對(duì)應(yīng) A 點(diǎn)。

下面我們的目標(biāo)是到達(dá)最低點(diǎn) F 點(diǎn)，于是我們進(jìn)行往梯度反方向進(jìn)行移動(dòng)，公式如下：

每走一步的步伐大小由前面的學(xué)習(xí)率決定，假如下一步到了 B 點(diǎn)，這樣迭代下去，如果全局只有一個(gè)最優(yōu)點(diǎn)的話，我們?cè)诘鷶?shù)次后，可以到達(dá) F 點(diǎn)，從而解決我們的問題。

那么好了，上面我們給出二元函數(shù)這種簡單例子，從分析到最后求出結(jié)果，我們能夠直觀可視化最后的步驟，那么如果網(wǎng)絡(luò)復(fù)雜后，變成多元函數(shù)的最優(yōu)值求法原理是一模一樣的！到此，我結(jié)束了該文要講的知識(shí)點(diǎn)了。 歡迎各位朋友指錯(cuò)交流~

---------------------------分割線---------------------------

在我學(xué)習(xí)的時(shí)候，我已經(jīng)理解了上面的知識(shí)了，但是我在思考既然我最后已經(jīng)得到一個(gè)關(guān)于 w 的多元函數(shù)了，那么我為什么不直接對(duì)每一個(gè) w 進(jìn)行求偏導(dǎo)呢，然后直接進(jìn)行更新即可，為什么神經(jīng)網(wǎng)絡(luò)的火起還需要 bp 算法的提出才復(fù)興呢！我的疑惑就是為什么不可以直接求偏導(dǎo)，而必須出現(xiàn) BP 算法之后才使得神經(jīng)網(wǎng)絡(luò)如此的適用呢？下面給出我的思考和理解（歡迎交流~）

1. 為什么不可以直接求導(dǎo)數(shù)？

在神經(jīng)網(wǎng)絡(luò)中，由于激活函數(shù)的存在，很多時(shí)候我們?cè)谧詈蟮拇鷥r(jià)函數(shù)的時(shí)候，包含 w 參數(shù)的代價(jià)函數(shù)并不是線性函數(shù)，比如最簡單的

這個(gè)函數(shù)對(duì) w 進(jìn)行求導(dǎo)是無法得到解析解的，那么說明了無法直接求導(dǎo)的原因。

2. 那么既然我們我們不能夠直接求導(dǎo)，我們是否可以近似的求導(dǎo)呢？比如可以利用

根據(jù)這個(gè)公式我們可以近似的求出對(duì)每個(gè)參數(shù)的導(dǎo)數(shù)，間距越小就越接近，那么為什么不可以這樣，而必須等到 BP 算法提出來的時(shí)候呢？思考中……

答：是因?yàn)橛?jì)算機(jī)量的問題，假設(shè)我們的網(wǎng)絡(luò)中有 100 萬個(gè)權(quán)重，那么我們每一次算權(quán)重的偏導(dǎo)時(shí)候，都需要計(jì)算一遍改變值，而改變值必須要走一遍完整的正向傳播。那么對(duì)于每一個(gè)訓(xùn)練樣例，我們需要 100 萬零一次的正向傳播（還有一次是需要算出 C），而我們的 BP 算法求所有參數(shù)的偏導(dǎo)只需要一次反向傳播即可，總共為倆次傳播計(jì)時(shí)。到這里我想已經(jīng)解決了為什么不能夠用近似的辦法，因?yàn)樗俣忍?，?jì)算復(fù)雜度太大了~ 每一次的傳播，如果參數(shù)多的話，每次的矩陣運(yùn)算量非常大，以前的機(jī)器速度根本無法承受~ 所以直到有了 BP 這個(gè)利器之后，加快了神經(jīng)網(wǎng)絡(luò)的應(yīng)用速度。

以上僅個(gè)人理解，感謝德川的幫助！歡迎知友提出問題交流~

以下是我學(xué)習(xí)用到的資料和博客：
《neural networks and deep learning》需要中文版的歡迎留言郵箱
零基礎(chǔ)入門深度學(xué)習(xí) (1) - 感知器

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。