交叉熵损失函数为代表的两层神经网络的反向传播量化求导计算公式

反向传播（back propagation，BP）算法也称误差逆传播，是神经网络训练的核心算法。我们通常说的 BP 神经网络是指应用反向传播算法进行训练的神经网络模型。反向传播算法的工作机制究竟是怎样的呢？我们以一个两层（即单隐层）网络为例，也就是图 8-5 中的网络结构，给出反向传播的基本推导过程。

假设输入层为 $x$ ，有$m$个训练样本，输入层与隐藏层之间的权重和偏置分别为 $w_1$ 和 $b_1$，线性加权计算结果为：$z_1=w_{1}x+b_1$，采用 Sigmoid 激活函数，激活输出为：$a_1=\sigma (z_1)$
而隐藏层到输出层的权重和偏置分别为 $w_2$ 和 $b_2$，线性加权计算结果为：$z_2=w_{2}x+b_2$，激活输出为：$a_2=\sigma (z_2)$。所以，这个两层网络的前向计算过程是为：$x\to z_1\to a_1\to z_2\to a_2$

直观而言，反向传播就是将前向计算过程反过来，但必须是梯度计算的方向反过来，假设这里采用如下交叉熵损失函数：
$$L(y,a)=-(y\log a+(1-y)\log (1-a))\text{\hspace{1em}(8-11)}$$

反向传播是基于梯度下降策略的，主要是从目标参数的负梯度方向更新参数，所以基于损失函数对前向计算过程中各个变量进行梯度计算是关键。将前向计算过程反过来，基于损失函数的梯度计算顺序就是$d{a}_2\to d{z}_2\to d{w}_2\to d{b}_2\to d{a}_1\to d{z}_1\to d{w}_1\to d{b}_1$

首先，计算损失函数 $L(y,a_2)$ 关于 $a_2$ 的导数$d{a}_2$，影响输出 $a_2$ 的是谁呢？由前向传播可知，$a_2$ 是由 $z_2$ 经激活函数激活后计算而来的，所以计算损失函数关于 $z_2$ 的导数$d{z}_2$，必须经过 $a_2$ 进行复合函数求导，即微积分中常说的链式求导法则。然后继续往前推导，影响 $z_2$ 的又是哪些变量呢？由前向计算可知，$z_2=w_{2}x+b_2$，影响 $z_2$ 的有 $w_2$，$a_1$ 和 $b_2$，继续按照链式求导法则进行求导即可。最终以交叉熵损失函数为代表的两层神经网络的反向传播量化求导计算公式如下：

$$\frac{\partial L}{\partial a_2}=\frac{d}{d{a}_2}L(a_2,y)=(-y\log a_2-(1-y)\log (1-a_2){)}^{\prime }=-\frac{y}{a_2}+\frac{1-y}{1-a_2}\text{\hspace{1em}(8-12)}$$

$$\frac{\partial L}{\partial Z_2}=\frac{\partial L}{\partial a_2}\frac{\partial a_2}{\partial Z_2}=a_2-y\text{\hspace{1em}(8-13)}$$

$$\frac{\partial L}{\partial w_2}=\frac{\partial L}{\partial a_2}\frac{\partial a_2}{\partial Z_2}\frac{\partial Z_2}{\partial w_2}=\frac{1}{m}\frac{\partial L}{\partial Z_2}{a}_1=\frac{1}{m}(a_2-y)a_1\text{\hspace{1em}(8-14)}$$

$$\frac{\partial L}{\partial b_2}=\frac{\partial L}{\partial a_2}\frac{\partial a_2}{\partial Z_2}\frac{\partial Z_2}{\partial b_2}=\frac{\partial L}{\partial Z_2}=a_2-y\text{\hspace{1em}(8-15)}$$

$$\frac{\partial L}{\partial a_1}=\frac{\partial L}{\partial a_2}\frac{\partial a_2}{\partial Z_2}\frac{\partial Z_2}{\partial a_1}=(a_2-y)w_2\text{\hspace{1em}(8-16)}$$

$$\frac{\partial L}{\partial Z_1}=\frac{\partial L}{\partial a_2}\frac{\partial a_2}{\partial Z_2}\frac{\partial Z_2}{\partial a_1}\frac{\partial a_1}{\partial Z_1}=(a_2-y)w_2{\sigma }^{\prime }(Z_1)\text{\hspace{1em}(8-17)}$$

$$\frac{\partial L}{\partial w_1}=\frac{\partial L}{\partial a_2}\frac{\partial a_2}{\partial Z_2}\frac{\partial Z_2}{\partial a_1}\frac{\partial a_1}{\partial Z_1}\frac{\partial Z_1}{\partial w_1}=(a_2-y)w_2{\sigma }^{\prime }(Z_1)x\text{\hspace{1em}(8-18)}$$

$$\frac{\partial L}{\partial b_1}=\frac{\partial L}{\partial a_2}\frac{\partial a_2}{\partial Z_2}\frac{\partial Z_2}{\partial a_1}\frac{\partial a_1}{\partial Z_1}\frac{\partial Z_1}{\partial b_1}=(a_2-y)w_2{\sigma }^{\prime }(Z_1)\text{\hspace{1em}(8-19)}$$

---

以上公式具体的推导过程：
公式8-13：损失函数对输出层激活值Z2的导数
公式8-14：损失函数对输出层权重w2的梯度
公式8-15：损失函数对输出层偏置b2的梯度
公式8-16：损失函数对隐藏层激活值a1的梯度
公式8-17：损失函数对隐藏层加权输入Z1的导数
公式8-18：损失函数对隐藏层权重w1的梯度
公式8-19：损失函数对隐藏层偏置b1的梯度