反向传播详解BP

误差反向传播(Back-propagation, BP)算法的出现是神经网络发展的重大突破,也是现在众多深度学习训练方法的基础。该方法会计算神经网络中损失函数对各参数的梯度,配合优化方法更新参数,降低损失函数。

BP本来只指损失函数对参数的梯度通过网络反向流动的过程,但现在也常被理解成神经网络整个的训练方法,由误差传播、参数更新两个环节循环迭代组成。

本文将以最基础的全连接深度前馈网络为例,详细展示Back-propagation的全过程,并以Numpy进行实现。

图1 神经元为层/权重为层

通常我们以神经元来计量"层",但本文将权重抽象为"层",个人认为这样更有助于反向传播的理解和代码的编写。如上图所示的网络就被抽象为两个中间层、一个输出层的结构。

简而言之,神经网络的训练过程中,前向传播和反向传播交替进行,如下图所示:前向传播通过训练数据和权重参数计算输出结果;反向传播通过导数链式法则计算损失函数对各参数的梯度,并根据梯度进行参数的更新,这一点是重点,会在后文详叙。

图2 前向传播&反向传播

前向传播

每层中前向传播的过程如下所示,很简单的矩阵运算。我们将权重作为层,中间层和输出层均可用Layer类来表示,只是对应的激活函数不同。如图2所示,每一层的输入和输出都是

,且前一层的输出是后一层的输入。

* 表示element-wise乘积,· 表示矩阵乘积

class Layer:

'''中间层类'''

self.W # (input_dim, output_dim)

self.b # (1, output_dim)

self.activate(a) = sigmoid(a)/tanh(a)/ReLU(a)/Softmax(a)

def forward(self, input_data):       # input_data: (1, input_dim)
   '''单个样本的前向传播'''
   input_data · self.W + self.b = a  # a: (1, output_dim)
   h = self.activate(a)              # h: (1, output_dim)
   return h
  1. 反向传播

损失对参数梯度的反向传播可以被这样直观解释:由A到传播B,即由

得到

,由导数链式法则

实现。所以神经网络的BP就是通过链式法则求出

对所有参数梯度的过程。

如上图示例,输入

,经过网络的参数

,得到一系列中间结果

表示通过权重和偏置的结果,还未经过激活函数,

表示经过激活函数后的结果。灰色框内表示

对各中间计算结果的梯度,这些梯度的反向传播有两类:

,通过激活函数,如右上角

,通过权重,如橙线部分

可以看出梯度的传播和前向传播的模式是一致的,只是方向不同。

计算完了灰色框的部分(损失对中间结果

的梯度),损失对参数

的梯度也就显而易见了,以图中红色的

为例:

因此,我们可以如图2,将反向传播的表达式和代码如下。

注意代码和公式中

表示element-wise乘积,

表示矩阵乘积。

* 表示element-wise乘积,· 表示矩阵乘积

class Layer:

'''中间层类'''

self.W # (input_dim, output_dim)

self.b # (1, output_dim)

self.activate(a) = sigmoid(a)/tanh(a)/ReLU(a)/Softmax(a)

def forward(self, input_data):       # input_data: (1, input_dim)
   '''单个样本的前向传播'''
   input_data · self.W + self.b = a  # a: (1, output_dim)
   h = self.activate(a)              # h: (1, output_dim)
   return h

def backward(input_grad):
   '''单个样本的反向传播'''
   a_grad = input_grad * activate'(a)  # (1, output_dim)
   b_grad = a_grad                     # (1, output_dim)
   W_grad = (input_data.T) · a_grad    # (input_dim, output_dim)

   self.b -= learning_rate * b_grad 
   self.W -= learning_rate * W_grad

   return a_grad · (self.W).T          # (1, input_dim)

输出层的反向传播略有不同,因为在分类任务中输出层若用到softmax激活函数,

不是逐个对应的,如下图所示,因此

中的element-wise相乘是失效的,需要用

乘以向量

到向量

的向量梯度(雅可比矩阵)。

但实际上,经过看上去复杂的计算后输出层

会计算出一个非常简洁的结果:

以分类任务为例(交叉熵损失、softmax、训练标签

为one-hot向量其中第

维为1):

以回归任务为例(二次损失、线性激活、训练标签

为实数向量):

因此输出层反向传播的公式和代码可以写成如下所示:

* 表示element-wise乘积,· 表示矩阵乘积

class Output_layer(Layer):

'''属性和forward方法继承Layer类'''

def backward(input_grad):
   '''输出层backward方法'''
   '''单个样本的反向传播'''
   a_grad = input_grad                 # (1, output_dim)
   b_grad = a_grad                     # (1, output_dim)
   W_grad = (input_data.T) · a_grad    # (input_dim, output_dim)

   self.b -= learning_rate * b_grad 
   self.W -= learning_rate * W_grad

   return a_grad · (self.W).T          # (1, input_dim)
  1. Batch 批量计算

除非用随机梯度下降,否则每次用以训练的样本都是整个batch计算的,损失函数

则是整个batch中样本得到损失的均值。

在计算中会以向量化的方式增加运算效率,用batch_size表示批的规模,代码可更改为:

* 表示element-wise乘积,· 表示矩阵乘积

class Layer:

'''中间层类'''

def forward(self, input_data):       # input_data: (batch_size, input_dim)
   '''batch_size个样本的前向传播'''
   input_data · self.W + self.b = a  # a: (1, output_dim)
   h = self.activate(a)              # h: (1, output_dim)
   return h

def backward(input_grad):             # input_grad: (batch_size, output_dim)
   '''batch_size个样本的反向传播'''
   a_grad = input_grad * activate'(a) # (batch_size, output_dim)

   b_grad = a_grad.mean(axis=0)       # (1, output_dim)
   W_grad = (a_grad.reshape(batch_size,1,output_dim) 
                * input_data.reshape(batch_size,input_dim,1)).mean(axis=0)
   # (input_dim, output_dim) 
   
   self.b -= lr * b_grad
   self.W -= lr * W_grad

   return a_grad · (self.W).T         # output_grad: (batch_size, input_dim)

class Output_layer(Layer):

'''输出层类:属性和forward方法继承Layer类'''

def backward(input_grad):             # input_grad: (batch_size, output_dim)
   '''输出层backward方法'''
   '''batch_size个样本的反向传播'''
   a_grad = input_grad                # (batch_size, output_dim)

   b_grad = a_grad.mean(axis=0)       # (1, output_dim)
   W_grad = (a_grad.reshape(batch_size,1,output_dim) 
                * input_data.reshape(batch_size,input_dim,1)).mean(axis=0)
   # (input_dim, output_dim) 

   self.b -= learning_rate * b_grad 
   self.W -= learning_rate * W_grad

   return a_grad · (self.W).T          # output_grad: (batch_size, input_dim)

这里比较易错的地方是什么时候求均值,对

求均值还是对

求均值:梯度在中间结果

上都不需要求均值,对参数

的梯度时才需要求均值。

  1. 代码

https://github.com/qcneverrepeat/ML01/blob/master/BP_DNN.ipynb

​github.com/qcneverrepeat/ML01/blob/master/BP_DNN.ipynb

模拟一个三层神经网络的训练

相关推荐
guoruijun_2012_43 小时前
hyperf 配置步骤
android
500了3 小时前
Android和Java的发布/订阅事件总线EventBus
android·java·开发语言
诸神黄昏EX3 小时前
Android 常用命令和工具解析之Trace相关
android
明天再做行么5 小时前
PHP8解析php技术10个新特性
android·php
Ting丶丶5 小时前
安卓应用安装过程学习
android·学习·安全·web安全·网络安全
kingdawin6 小时前
Android系统开发-判断相机是否在使用
android
恋猫de小郭7 小时前
IntelliJ IDEA 2024.3 K2 模式已发布稳定版,Android Studio Meerkat 预览也正式支持
android·android studio
找藉口是失败者的习惯11 小时前
Jetpack Compose 如何布局解析
android·xml·ui
Estar.Lee16 小时前
查手机号归属地免费API接口教程
android·网络·后端·网络协议·tcp/ip·oneapi
温辉_xh16 小时前
uiautomator案例
android