卷积层的后向传播实例（stride=1）

这里以一个实例介绍一下卷积层的后向传播, 求输入，权重和偏置的梯度。假设输入的特征图X是4x4的矩阵，卷积核W是2x2大小, stride=1，考虑“valid”的卷积，则输出特征图Y为3x3的矩阵 ：
\left[ \begin{matrix} x_{11} & x_{12} & x_{13} & x_{14} \\ x_{21} & x_{22} & x_{23} & x_{24} \\ x_{31} & x_{32} & x_{33} & x_{34} \\ x_{41} & x_{42} & x_{43} & x_{44} \end{matrix} \right]* \left[ \begin{matrix} w_{11} & w_{12} \\ w_{21} & w_{22} \end{matrix} \right]= \left[ \begin{matrix} y_{11} & y_{12} & y_{13} \\ y_{21} & y_{22} & y_{23} \\ y_{31} & y_{32} & y_{33} \end{matrix} \right]

输出Y的表达式可以表示为：
y_{11} = w_{11} x_{11} + w_{12} x_{12} + w_{21} x_{21} + w_{22} x_{22} + b
y_{12} = w_{11} x_{12} + w_{12} x_{13} + w_{21} x_{22} + w_{22} x_{23} + b
y_{13} = w_{11} x_{13} + w_{12} x_{14} + w_{21} x_{23} + w_{22} x_{24} + b
y_{21} = w_{11} x_{21} + w_{12} x_{22} + w_{21} x_{31} + w_{22} x_{32} + b
y_{22} = w_{11} x_{22} + w_{12} x_{23} + w_{21} x_{32} + w_{22} x_{33} + b
y_{23} = w_{11} x_{23} + w_{12} x_{24} + w_{21} x_{33} + w_{22} x_{34} + b
y_{31} = w_{11} x_{31} + w_{12} x_{32} + w_{21} x_{41} + w_{22} x_{42} + b
y_{32} = w_{11} x_{32} + w_{12} x_{33} + w_{21} x_{42} + w_{22} x_{43} + b
y_{33} = w_{11} x_{33} + w_{12} x_{34} + w_{21} x_{43} + w_{22} x_{44} + b

假设代价函数对输出Y的梯度为, \partial Y, 其为3X3的矩阵，如下：
\left[ \begin{matrix} \partial y_{11} & \partial y_{12} & \partial y_{13}\\ \partial y_{21} & \partial y_{22} & \partial y_{23}\\ \partial y_{31} & \partial y_{32} & \partial y_{33} \end{matrix} \right]

然后分别来看输入，权重和偏置的梯度的求解过程。

输入的梯度

从Y的表达式求X的偏导：
\partial x_{11} = \partial y_{11} w_{11}
\partial x_{12} = \partial y_{11} w_{12} + \partial y_{12} w_{11}
\partial x_{13} = \partial y_{12} w_{12} + \partial y_{13} w_{11}
\partial x_{14} = \partial y_{13} w_{12}
\partial x_{21} = \partial y_{11} w_{21} + \partial y_{21} w_{11}
\partial x_{22} = \partial y_{11} w_{22} + \partial y_{12} w_{21} + \partial y_{21} w_{12} + \partial y_{22} w_{11}
\partial x_{23} = \partial y_{12} w_{22} + \partial y_{13} w_{21} + \partial y_{22} w_{12} + \partial y_{23} w_{11}
\partial x_{24} = \partial y_{13} w_{22} + \partial y_{23} w_{12}
\partial x_{31} = \partial y_{21} w_{21} + \partial y_{31} w_{11}
\partial x_{32} = \partial y_{21} w_{22} + \partial y_{22} w_{21} + \partial y_{31} w_{12} + \partial y_{32} w_{11}
\partial x_{33} = \partial y_{22} w_{22} + \partial y_{23} w_{21} + \partial y_{32} w_{12} + \partial y_{33} w_{11}
\partial x_{34} = \partial y_{23} w_{22} + \partial y_{33} w_{12}
\partial x_{41} = \partial y_{31} w_{21}
\partial x_{42} = \partial y_{31} w_{22} + \partial y_{32} w_{21}
\partial x_{43} = \partial y_{32} w_{22} + \partial y_{33} w_{21}
\partial x_{44} = \partial y_{33} w_{22}

用矩阵可以表示如下：
\partial X = \left[ \begin{matrix} \partial x_{11} & \partial x_{12} & \partial x_{13} & \partial x_{14}\\ \partial x_{21} & \partial x_{22} & \partial x_{23} & \partial x_{24}\\ \partial x_{31} & \partial x_{32} & \partial x_{33} & \partial x_{34}\\ \partial x_{41} & \partial x_{42} & \partial x_{43} & \partial x_{44} \end{matrix} \right]= \left[ \begin{matrix} 0 & 0 & 0 & 0 & 0 \\ 0 & \partial y_{11} & \partial y_{12} & \partial y_{13} & 0\\ 0 & \partial y_{21} & \partial y_{22} & \partial y_{23} & 0\\ 0 & \partial y_{31} & \partial y_{32} & \partial y_{33} & 0\\ 0 & 0 & 0 & 0 & 0 \end{matrix} \right]* \left[ \begin{matrix} w_{22} & w_{21} \\ w_{12} & w_{11} \end{matrix} \right]
简单的可以表示如下：
\partial X = (padding）\partial Y * rot180(W)

权重的梯度

从Y的表达式求W的偏导, 可以得到：
\partial w_{11} = \partial y_{11} x_{11} + \partial y_{12} x_{12} + \partial y_{13} x_{13} + \partial y_{21} x_{21} + \partial y_{22} x_{22} + \partial y_{23} x_{23} + \partial y_{31} x_{31} + \partial y_{32} x_{32} + \partial y_{33} x_{33}
\partial w_{12} = \partial y_{11} x_{12} + \partial y_{12} x_{13} + \partial y_{13} x_{14} + \partial y_{21} x_{22} + \partial y_{22} x_{23} + \partial y_{23} x_{24} + \partial y_{31} x_{32} + \partial y_{32} x_{33} + \partial y_{33} x_{34}
\partial w_{21} = \partial y_{11} x_{21} + \partial y_{12} x_{22} + \partial y_{13} x_{23} + \partial y_{21} x_{31} + \partial y_{22} x_{32} + \partial y_{23} x_{33} + \partial y_{31} x_{41} + \partial y_{32} x_{42} + \partial y_{33} x_{43}
\partial w_{22} = \partial y_{11} x_{22} + \partial y_{12} x_{23} + \partial y_{13} x_{24} + \partial y_{21} x_{32} + \partial y_{22} x_{33} + \partial y_{23} x_{34} + \partial y_{31} x_{42} + \partial y_{32} x_{43} + \partial y_{33} x_{44}

用矩阵可以表示如下：
\partial W = \left[ \begin{matrix} x_{11} & x_{12} & x_{13} & x_{14} \\ x_{21} & x_{22} & x_{23} & x_{24} \\ x_{31} & x_{32} & x_{33} & x_{34} \\ x_{41} & x_{42} & x_{43} & x_{44} \end{matrix} \right]* \left[ \begin{matrix} \partial y_{11} & \partial y_{12} & \partial y_{13} \\ \partial y_{21} & \partial y_{22} & \partial y_{23} \\ \partial y_{31} & \partial y_{32} & \partial y_{33} \end{matrix} \right]
简单的可以表示如下：
\partial W = X * \partial Y

偏置的梯度

从Y的表达式求b的偏导, 可以得到：
\partial b = \partial y_{11} + \partial y_{12} + \partial y_{13} + \partial y_{21} + \partial y_{22} + \partial y_{23} + \partial y_{31} + \partial y_{32} + \partial y_{33}

简单的可以表示如下：
\partial b = \Sigma_{u,v} \partial Y

©著作权归作者所有,转载或内容合作请联系作者
  • 人面猴
    序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
    沈念sama阅读 214,233评论 6赞 495
  • 死咒
    序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
    沈念sama阅读 91,357评论 3赞 389
  • 救了他两次的神仙让他今天三更去死
    文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
    开封第一讲书人阅读 159,831评论 0赞 349
  • 道士缉凶录：失踪的卖姜人
    文/不坏的土叔 我叫张陵，是天一观的道长。 经常有香客问我，道长，这世上最难降的妖魔是什么？ 我笑而不...
    开封第一讲书人阅读 57,313评论 1赞 288
  • 港岛之恋（遗憾婚礼）
    正文 为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
    茶点故事阅读 66,417评论 6赞 386
  • 恶毒庶女顶嫁案：这布局不是一般人想出来的
    文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
    开封第一讲书人阅读 50,470评论 1赞 292
  • 城市分裂传说
    那天，我揣着相机与录音，去河边找鬼。 笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。 我是一名探鬼主播，决...
    沈念sama阅读 39,482评论 3赞 412
  • 双鸳鸯连环套：你想象不到人心有多黑
    文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
    开封第一讲书人阅读 38,265评论 0赞 269
  • 万荣杀人案实录
    序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
    沈念sama阅读 44,708评论 1赞 307
  • 护林员之死
    正文 独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,997评论 2赞 328
  • 白月光启示录
    正文 我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,176评论 1赞 342
  • 活死人
    序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
    沈念sama阅读 34,827评论 4赞 337
  • 日本核电站爆炸内幕
    正文 年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
    茶点故事阅读 40,503评论 3赞 322
  • 男人毒药：我在死后第九天来索命
    文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,150评论 0赞 21
  • 一桩弑父案，背后竟有这般阴谋
    文/苍兰香墨 我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,391评论 1赞 267
  • 情欲美人皮
    我被黑心中介骗来泰国打工， 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。 一个月前我还...
    沈念sama阅读 47,034评论 2赞 365
  • 代替公主和亲
    正文 我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
    茶点故事阅读 44,063评论 2赞 352

推荐阅读更多精彩内容