http://cs231n.github.io/optimization-2/
这一节对梯度进行了介绍，并对梯度进行解释，以及介绍了链式规则，可能是国外的基础教育做的不够好，这在高数里面可能一小节就够用了。其实就是求导。根据每个数据的导数对运算结果的影响，来决策更新参数的方式。
值得注意的是，矩阵求导之前一直为接触过。如下所示，W 与X相乘，相对于X的偏导数，就是运算结果的偏导数（没有后续操作的话，这里就是1） 与矩阵W的转置相乘
forward pass
W = np.random.randn(5, 10)
X = np.random.randn(10, 3)
D = W.dot(X)
dD = np.random.randn(*D.shape) # same shape as D
dW = dD.dot(X.T) #.T gives the transpose of the matrix
dX = W.T.dot(dD)
来自 http://cs231n.github.io/optimization-2/
既然我们知道了W每个维度的梯度，那么我们就可以决定X.dot(W) 结果每个维度的值的变化方向。
下面这个例子可以看出，X.dot(W) 计算出结果后没有继续的运算，那么结果的梯度就相当于1，我们在这个基础，改变参数W的值，加上dW，结果变大，减去dW结果变小。（相当于y=kx+b, k变大，那么运算结果y也会变大，如果x<0,那么k的梯度就是负的，假设是-1，（k+（-1）0.1）x 相当于向梯度减少的方向移动了-1个单位，就是向梯度增加的方向移动了一个单位，在多维度上也是满足这个关系的，所以 (W+0.01dW).dot(X）一定会使结果变大。(W-0.01dW).dot(X)一定会使结果变小）
import numpy as np
forward pass
W = np.random.randn(1, 10)
X = np.random.randn(10, 1)
D = W.dot(X)
dD = np.random.randn(D.shape)0+1 # same shape as D
dW = dD.dot(X.T) #.T gives the transpose of the matrix
dX = W.T.dot(dD)
print(D)
print((W+0.01dW).dot(X))
print((W-0.01dW).dot(X))
result：
[[0.13265561]]
[[0.34511483]]
[[-0.07980361]]
结论：不论输入X的正负对，对于(W+0.01dW).dot(X）一定会使结果变大。(W-0.01dW).dot(X)一定会使结果变小
据此，就有了SVM和Softmax中参数更新的理论基础。
使用此种方式进行分类，在梯度更新时难免会丢失数据，相当与特征不完整，初见弊端。
