深度学习入门Affine层关于偏置的反向传播

在学习Affine层的时候，逆向传播时db = dy在纵向方向上的和，看到这我就有点懵逼了，想了很久，也算是相通了，但不确定这就是正确方法，仅供参考。

m1.
因为偏导数与其对应的参数形状是一致的，所以dy与y同型。从dy逆向传播到+号，加号在逆向传播中的作用仅仅是将导数原封不动继续往前传递，而b是一个一维数组，所以肯定是将dy横向或纵向相加，再结合广播的原理，可以得出应该是横向相加。（个人感觉方法2更加靠谱点哈哈）

m2.
正向传播时在Y之后即求损失函数L。而L通常需要使用np.sum函数，在此处为方便计算设L = np.sum(Y - t) 。

db是求b对于L的导数，即若b[0] 增加1导致 Y[x][0] 都增加1最后导致np.sum(Y -t)增加了n (n = Y.shape[0]).,
即b某一位的变化都会导致Y某一列的变化, 由此可知,逆向传播求db时需要将dy的纵向相加,以表示b的变化量与Y变化量之间的关系.