在上一篇文章中，我们探讨了如何将输入和输出表示为向量，以及一个训练好的深度神经网络，是如何根据一张照片来判断其中是不是一只猫的，也就是推理过程。接下来，我们开始进入另一个话题，即神经网络是如何训练的？

为此，我们需要明确两件事情。第一件事是，训练啥？第二件使其，咋训练？好了，我们下来讨论第一个问题。

训练啥？

首先，我们需要明确一件事情，那就是当我们说训练神经网络时，一般已经确定了以下事项：

• 选用哪种神经网络的架构？比如，选择的是卷积神经网络，还是循环神经网络，等等。
• 神经网络中含有几层？
• 每层中含有多少神经元？
• 各个层之间的神经元如何连接？
• 各个神经元使用什么样的激活函数？

如您所见，既然这么多因素都已经确定下来了，那么，还有哪些需要我们进行磨合的呢？那就是激活函数的参数，包括两部分：

• 权重w
• 偏置项b

图1 训练网络时需要调整的权重w和偏置项b

为了突出显示需要调整的这两部分，我们可以把我们的函数表达式更新为：

其中，Θ表示神经网络所需的所有参数，即权重和偏置项。也就是说，用于表示神经网络的函数f的输入内容，不仅需要照片本身，而且还需要神经网络的参数。

到目前为止，我们介绍了训练神经网络时，到底要训练哪些内容，即权重和偏置项。那么，接下来我们再来说说如何训练它们。

如何训练？

我们已经明确了训练网络的目标，那就是找到合适的参数。那么，如何寻找这些合适的参数呢？众所周知，做事情的方式有两种，一种是一步到位，另一种是循序渐进。而训练网络参数的方式，就是属于后者。

当然，训练神经网络的思路并不复杂，比如，以监督式训练为例，首先给权重和偏置项（Θ）随机赋值，然后，拿一个训练样本（如一张照片）喂给神经网络，这时，我们就得到一个输出向量。接下来，我们可以分析输出结果与预期结果之前的差异了。通常情况下，我们会用成本函数来衡量参数的表现到底有多么“烂”，其表达式如下所示：

或者：

其中，C表示成本函数；表示神经网络的输出结果；表示预期的输出结果；x表示输入的训练样本；x表示神经网络的参数，Θ 即权重与偏移项。

成本函数的值越大，说明参数Θ 该值越小，说明参数的表现越好。所以，如果成本函数的值大于某个阈值的话，我们就需要对神经网络的参数进行相应的修改；重复该过程，直到找到令成本函数的值低于特定阈值的参数为止。当然，我们不可能每训练一个样本就调整一次参数，因为这样太过麻烦了；相反，我们可以采取其他方式，比如训练一批样本后调整一次参数，等等。

前面说过，成本函数本质上就是衡量参数的表现到底有多么“烂”的，但是，它到底是怎么衡量的呢？实际上，这里可用的方法也很多，比如，常见的一种方法是先求预期输出与实际输出之差，然后，再取平方。这样的话，实际输出与预期输出之间的差别越大，成本函数的输出也越大，并且这种“大”是非线性的，因为进行了平方运算——换句话说，这时的参数 将会遭受更大的惩罚。

下面是单个训练样本的成本计算公式：

其中，其中：当i表示正确的目标标签的索引时，的值为1，否则，其值为0。因此 ，我们的成本函数可以表示为：

例如，假设我们在训练期间将一张小猫的图片输入到神经网络中，其输出向量如下所示：

我们假设该图片的正确标签是“猫”，对应于矢量中的第二个值。理想情况下，这个预测值应该非常接近1，而不是目前的值0.127。如果网络训练状况良好的话，它应该返回类似下面这样的预测向量：

对于这个样本的预测成本计算过程为：

就本例来说，我们发现对小猫进行分类的成本是很高的。因此，我们需要继续调整网络中的一些参数，以进一步降低成本。

然而，在评估神经网络的分类效果时，当然不能只看单个训练样本的成本，而是要综合考虑所有训练样本的总体成本。一般来说，我们可以使用平均成本来衡量神经网络的整体性能，比如，计算所有样本的误差的平方的平均值，也就是所谓的均方误差（MSE）。

一般来说，用于计算平均成本的函数，一般称为损失函数。当然，损失函数可以使用不同的算法来计算训练过程中的损失。对于分类模型来说，通常会使用分类交叉熵损失函数，因为这个函数能更好地惩罚网络返回的较高置信度的误差。

梯度下降法

前面说过，为了改进神经网络的效果，我们就需要调整其权重和偏置，以便让平均成本变得尽可能小。换句话说，就是对Θ所代表的参数进行调整，使得函数f对于所有训练样本的平均误差最小化。那么，我们该如何调整呢？通常情况下，我们可以求助于梯度下降法。

为了帮助大家理解梯度下降，我们需要对神经网络进行简化：假设网络中只有一个可调参数Θ_i，而不是有成千上万个可调的参数。这样的话，我们就可以通过下图来表示参数与损失函数之间的关系了：

图2 训练网络时，可利用梯度下降法寻找令网络成本最小的参数

在上图中，x轴对应于可调参数。给定x的值，我们就可以用选择的损失函数（如MSE）来计算神经网络的平均成本。当然，为了便于可视化，参数轴已经被极度简化了——现实中，表示参数的轴应该有成千上万个，因为每个参数对应一个轴，而每个网络通常都有非常多的参数。

此外，我们可以看到，损失函数的曲线存在某些局部最小值，它对应的参数，就是神经网络的局部最优参数。在使用梯度下降法时，最初可以随机选择一组参数，然后，计算在该组参数下神经网络的损失函数的值，并顺着损失函数梯度下降最快的方向，找到这些最优参数。

稍微具体点讲，反向传播算法可以在深度神经网络的训练阶段，自动确定需要更新哪些权重和偏差以及具体更新多少。那么，为什么叫“反向传播”呢？很简单，这是因为在调整网络参数的过程中，输出层的损失将通过神经网络从后向前传播。

当然，反向传播的数学原理还是很复杂的，这里我们就不深究了。但是，有一点需要了解，那就是它不仅可以用来训练神经网络，还能用于优化对抗性样本的生成。所以，我们后面只要知道如何去用就可以了。

小结

在本文中，我们为读者介绍了神经网络训练过程相关的两个问题：到底训练的是什么？以及如何进行训练？同时，我们还单独介绍了一种非常常见的训练算法：梯度下降法。实际上，梯度下降法，不仅可以用于训练神经网络，而且还可以帮助我们生成对抗性样本。在下一篇文中 ，我们将用Python来实现一个简单的神经网络。