Chap2
反向转播算法的目的是计算成本函数对于权重和偏置的偏导数。
反向传播的两个前提假设：
1. 成本函数可以写成每个样本成本的平均形式，因为反向传播实际上是先计算针对每个样本的偏导数，再将他们平均。
2. 成本函数可以被看作是实际输出的函数。
反向传播的四个基本方程：
1. 最后一层误差计算方程
2. 误差的向前传播方程
3. 针对偏置的梯度计算
4. 针对权重的梯度计算
思考过程实际上从4到1，计算过程是从1到4。反向传播是怎样的一个思考过程？实际我们想求的是损失函数对权重和偏置的梯度，而在计算过程中，我们发现，权重和偏置的偏导取决于当前层的偏C偏z，那就想计算当前层的偏C偏z。而在计算当前层的偏C偏z的时候，又发现它们取决于后一层的偏C偏z，一直推到输出层。而输出层的偏C偏z是可以显式地计出来的，因此就总结出了反向传播算法。
反向传播的代码逻辑：
1. 输入一批样本
2. 对于每个样本，计算
a：前向传播：计算每个神经元的加权和和activation
b：计算输出神经元误差
c：利用基本方程反向传播误差
3. 梯度下降：对于每一个w利用误差和activation计算权重梯度，然后每一个样本的梯度平均值作为总梯度。利用误差计算偏置梯度，同样利用梯度平均值计算总梯度，然后更新权重和偏置。
之所以用偏c偏z而不是偏c偏a是因为发现在计算过程中前者更方便。为什么更方便？因为如果用偏c偏a来表示的话，中间相当于嵌套了一层a=sigma（z），更复杂。现在的后两个方程实际上是相当于把这个嵌套分成了两步。
为何反向传播算法更好？与之相比的传统算法计算梯度需要计算函数的差分，意味着要计算函数值，而每改变一次w或b就要重新计算一次函数值，如果有一百万个w，意味着为了计算梯度要计算一百万次函数值，这太慢了。而实际上，各个w的梯度之间是相关的，可以通过链式法则一次性解决，这就大大减少了计算量。
