“深度学习”学习日记。误差反向传播法 -- 链式法则

2023.1.15

开门见山,先直接讲什么是 链式法则 的定义:

“如果,某个函数有复合函数表示,则复合函数的导数可以用构成符合函数的各个导数的乘积表示。”

举一个例子:现在有一个函数  z=3t; t=x^{2}+y 

由以上定义可以这么理解:\frac{\partial z}{\partial t}=3 ;\frac{\partial t}{\partial x}=2x;\frac{\partial z}{\partial x}=\frac{\partial z}{\partial t}\frac{\partial t}{\partial x}=6x  用通俗的话来讲就是 {\partial t} 相互抵消。

然而,计算图反向传播局部导数的原理也是基于 链式法则。

好比 一个损失函数: y=f(x) ;

“深度学习”学习日记。误差反向传播法 -- 链式法则_第1张图片

 损失函数值loss乘以节点 f 的偏导数,再把这个局部导数乘以上游的传递过来的值。这就是反向传播,可以高效地求出导数的值。

以 z=3t; t=x^{2}+y  为例子 :

“深度学习”学习日记。误差反向传播法 -- 链式法则_第2张图片

 以**2节点表示平方运算,\frac{\partial z}{\partial z} =1  ; 根据链式法则 :能验证 \frac{\partial z}{\partial z}\frac{\partial z}{\partial t}\frac{\partial t}{\partial x}=\frac{\partial z}{\partial t}\frac{\partial t}{\partial x}=\frac{\partial z}{\partial x}  成立,更能验证反向传播是基于链式法则的

你可能感兴趣的:(深度学习,学习)