向初学者解释反向传播（第 1 部分）：建立直觉

了解反向传播？

如果您想了解大型语言模型 (LLM) 等现代人工智能系统的训练方式，反向传播是需要理解的最重要的概念之一。

但如果你问我遇到它时的感受，我完全被数学方程迷惑了。这对我来说就像是一种精神障碍。

我意识到并想从头开始，一步一步地建立我的理解。

这个旅程始于我的上一篇文章，其中我们使用简单的数据集从头开始构建了一个神经网络，并了解它如何进行预测。

该博客得到了热烈的反响。谢谢你！

现在，让我们继续采用相同的方法。我们将逐步分解反向传播，使其像以前一样简单直观。

在开始之前，我只想说一件事。我们将一次一步地采取这一步骤。

像反向传播这样的主题一开始可能会让人感到不知所措，但一旦我们建立了坚实的基础，其他一切都会变得更容易理解。

那么，让我们开始吧。

欢迎回来！

让我们通过深度学习继续我们的学习之旅。

我们已经对神经网络有了基本的了解，我们在上一篇博客中使用简单的数据集对其进行了探索。

现在，让我们首先回顾一下我们在上一篇关于神经网络的博客中学到的内容。

快速回顾

我们考虑了这个简单的数据集。

绘制数据后，如下所示：

我们观察到单行不足以容纳它。因此，我们决定使用神经网络来解决它。

接下来，我们了解了单个神经元的方程，之后，我们了解了神经网络中的不同层。

为简单起见，我们考虑一个具有两个隐藏神经元的隐藏层。

接下来，我们观察了两个隐藏神经元如何产生两种不同的线性变换，然后我们想要在输出层中将它们组合起来。

然而，我们发现组合两条线会产生另一条线，而不是可以拟合数据的曲线。

为什么网络需要学习？

\[

\]

=

+

一个