大家好~本文介紹了前向傳播、梯度下降和後向傳播演算法，總結了
神經網路在訓練和推理階段執行的步驟。
在後面的文章中，我們會從最簡單的神經網路開始，不斷地增加不同種類的層（如全連線層、卷積層、BN層等），推導每種層的前向傳播、後向傳播、梯度計算、權重和偏移更新的數學公式
神經元
如上圖所示，一個神經元具有一個偏移值b和多個權重值w，接受多個輸入值x，返回一個輸出值y
計算公式為：
\begin{equation}
y=f(\vec{w}\vec{x}+b)
\end{equation}其中\(\vec{w} = [w_1, w_2], \vec{x} = [x_1, x_2], f為啟用函式\)
我們可以將\(b\)表示為\(w_b\)，合併到\(\vec{w}\)中；並且把\(y\)表示為向量。這樣就方便了向量化程式設計
計算公式變為：
\begin{equation}
\vec{y}=f(\vec{w}\vec{x})
\end{equation}其中\(\vec{w} = [w_b, w_1, w_2], \vec{x} = [1, x_1, x_2], \vec{y}=[y]\)
神經網路
一個神經網路由多層組成，而每層由多個神經元組成。
如下圖所示是一個三層神經網路，由一層輸入層+兩層全連線層組成：
這個網路中最左邊的層稱為輸入層，包含輸入神經元；最右邊的層稱為輸出層，包含輸出神經元；中間的層則被稱為隱藏層
前向傳播
從輸入層開始，輸入層的輸出作為隱藏層的輸入傳入隱藏層，計算出輸出：\(\overrightarrow{y_{隱藏層}}\)；
\(\overrightarrow{y_{隱藏層}}\)作為輸出層的輸入傳入輸出層，計算出輸出：\(\overrightarrow{y_{輸出層}}\)，作為整個網路的輸出。
這就是前向傳播演算法，也就是從輸入層開始，依次傳入每層，直到輸出層，從而得到每層的輸出。
前向傳播用來做什麼呢？它在訓練和推理階段都有使用：
在訓練階段，前向傳播得到了輸出層的輸出和其餘各層的輸出，其中計算正確率需要前者，計算後向傳播需要前者和後者；
在推理階段，前向傳播得到了輸出層的輸出，作為推理的結果。比如根據包含一個人的體重、身高這樣的一個樣本資料，得到了這人是男人還是女人的輸出。
梯度下降
推理階段使用前向傳播得到輸出值，而前向傳播需要知道每層的權重和偏移。
為了在推理階段能夠得到接近真實值的輸出值，每層的權重和偏移應該是某個合適的值。那麼合適的值應該是多少呢？
我們可以在訓練階段給每層一個初始的權重和偏移（比如說都設為0）；然後輸入大量的樣本，不斷地更新每層的權重和偏移，使得它們逐漸接近合適的值。
那麼，什麼值才是合適的值呢？
我們可以構建一個目標函式，用來在訓練階段度量輸出層的輸出值和真實值的誤差大小：
\begin{equation}
e=E(\overrightarrow{y_{輸出層}}, \overrightarrow{y_{真實}})
\end{equation}其中\(\overrightarrow{y_{輸出層}}\)為輸出層的輸出值，\(\overrightarrow{y_{真實}}\)為真實值，\(E\)為目標函式，\(e\)為誤差
當誤差\(e\)最小時，輸出層的輸出值就最接近真實值。因為\(E\)是輸出層的權重和偏移(\(\overrightarrow{w_{輸出層}}\)）)的函式（因為\(E\)是\(\overrightarrow{y_{輸出層}}\)的函式，而\(\overrightarrow{y_{輸出層}}\)又是\(\overrightarrow{w_{輸出層}}\)的函式，所以\(E\)是\(\overrightarrow{w_{輸出層}}\)的函式），所以此時的\(\overrightarrow{w_{輸出層}}\)就是合適的值
如何求\(E\)的最小值點呢？對於計算機來說，可以一步一步的去把函式的極值點試出來，如下圖所示：
首先，我們隨便選擇一個點開始，比如上圖的\(x_0\)。接下來，每次迭代修改\(X\)為\(x_1, x_2, x_3\)......經過數次迭代後最終達到函式最小值點。
你可能要問了，為啥每次修改\(X\)，都能往函式最小值那個方向前進呢？這裡的奧祕在於，我們每次都是向函式\(y=f(x)\)的梯度的相反方向來修改\(X\)。
什麼是梯度呢？梯度是一個向量，它指向函式值上升最快的方向。顯然，梯度的反方向當然就是函式值下降最快的方向了。
我們每次沿著梯度相反方向去修改\(X\)，當然就能走到函式的最小值附近。
之所以是最小值附近而不是最小值那個點，是因為我們每次移動的步長不會那麼恰到好處，有可能最後一次迭代走遠了越過了最小值那個點。步長的選擇是門手藝，如果選擇小了，那麼就會迭代很多輪才能走到最小值附近；如果選擇大了，那可能就會越過最小值很遠，收斂不到一個好的點上。
按照上面的討論，我們就可以寫出梯度下降演算法的公式：
\begin{equation}
x_{new}=x_{old}-\eta\frac{df(x)}{dx}
\end{equation}其中\(\frac{df(x)}{dx}\)是梯度，\(\eta\)是步長，也稱作學習率
我們現在是求目標函式\(E\)的最小值，所以將上述公式的函式\(f\)換成\(E\)；
又因為\(E\)是\(\overrightarrow{w_{輸出層}}\)的函式，所以將上述公式的\(x\)換成\(\overrightarrow{w_{輸出層}}\)，\(x_0\)替換為初始的權重和偏移
所以梯度下降演算法可以寫成：
\begin{equation}
\overrightarrow{w_{輸出層new}}=\overrightarrow{w_{輸出層old}}-\eta\frac{dE(w_{輸出層})}{dw_{輸出層}}
\end{equation}
總結一下：我們應該按照梯度下降演算法，不斷地更新\(\overrightarrow{w_{輸出層}}\)，最後使得目標函式\(E\)的值\(e\)最小（即接近0），然後就停止訓練，此時的\(\overrightarrow{w_{輸出層}}\)就是合適的值，
後向傳播
那麼對於輸出層之前的每層，如何得到合適的權重和偏移呢？
還是以之前給的三層神經網路為例：
因為隱藏層的輸出是隱藏層的權重和偏移的函式，而
輸出層的輸出是隱藏層的輸出的函式（隱藏層的輸出是輸出層的輸入），並且而\(E\)是輸出層的輸出的函式，所以\(E\)是隱藏層的權重和偏移的函式
所以我們仍然使用梯度下降演算法來更新隱藏層的權重和偏移，公式為：
\begin{equation}
\overrightarrow{w_{隱藏層new}}=\overrightarrow{w_{隱藏層old}}-\eta\frac{dE(w_{隱藏層})}{dw_{隱藏層}}
\end{equation}
不過這裡需要先計算輸出層的梯度，然後反向依次計算每個層（如隱藏層）的梯度，直到與輸入層相連的層，這就是反向傳播演算法。
（在後面推導隱藏層後向傳播的文章中，會使用全導數公式，那時候就會很清楚為什麼要反向計算梯度了）
總結
神經網路的使用可以分成兩個階段：
訓練和推理
訓練階段
先進行前向傳播，得到每層的輸出；
然後進行後向傳播，得到每層的梯度；
最後按照梯度下降演算法，更新每層的權重和偏移。
可以用下面的公式來表達訓練：
每層的權重和偏移=訓練(大量的樣本)
\begin{equation}
W=訓練(\sum_{} \overrightarrow{樣本_i})
\end{equation} 其中\(W\)為包含每層的權重和偏移向量的矩陣
推理階段
使用訓練階段得到的每層的權重和偏移，進行前向傳播，得到輸出層的輸出作為推理結果。
可以用下面的公式來表達推理：
\begin{equation}
\overrightarrow{y_{輸出層}}=推理(\overrightarrow{樣本_i}, W)
\end{equation}