0_2_2-卷积层的反向传播-多通道、无padding、步长1

a) $l$ 代表网络的第 $l$ 层, $z^l$ 代表第 $l$ 层卷积， $z_{d,i,j}^l$ 代表第 $l$ 层卷积第 $d$ 通道 $(i,j)$ 位置的值; $z^l$ 的通道数为 $C^l$ , 高度和宽度分别为 $H^l,\hat W^l$ ( $\color{red}{避免与权重相同}$ )

b) $W^{l-1},b^{l-1}$ 代表连接第 $l-1$ 层和第 $l$ 层的卷积核权重和偏置; 卷积核的维度为 $(k_1^{l-1},k_2^{l-1})$ 。

c) 记损失函数L关于第 $l$ 层卷积的输出 $z^l$ 的偏导为 $\delta^l = \frac {\partial L} {\partial z^l} \ \ \ (3)$

前向传播

根据以上约定，卷积核权重 $W^{l-1} \in \Bbb R^{k_1^{l-1} \times k_2^{l-1} \times C^{l-1} \times C^{l}}$ ,偏置 $b^{l-1} \in \Bbb R^{C^l}$ ,每个输出通道一个偏置。

则有第 $l$ 层卷积层,第 $d$ 个通道输出为:

z l d, i, j = \sum c = 1 C l - 1 \sum m = 0 k l - 1 1 - 1 \sum n = 0 k l - 1 2 - 1 W l - 1 m, n, c, d z l - 1 c, i + m, j + n + b l - 1 i \in [0, H l - 1], j \in [0, W^l - 1] (4)

$\begin{align} &z^l_{d,i,j} = \sum_{c=1}^{C^{l-1}}\sum_{m=0}^{k_1^{l-1}-1} \sum_{n=0}^{k_2^{l-1}-1} W_{m,n,c,d}^{l-1} z_{c,i+m,j+n}^{l-1} + b^{l-1} & i \in [0,H^l-1], j\in [0,\hat W^l-1]\tag 4 \end{align}$
其中：

Hl=Hl−1−kl−11+1; W^l=W^l−1−kl−12+1 H l = H l − 1 − k 1 l − 1 + 1 ; W ^ l = W ^ l − 1 − k 2 l − 1 + 1 $H^l = H^{l-1} - k_1^{l-1} + 1;\ \ \ \ \ \hat W^l = \hat W^{l-1} - k_2^{l-1} + 1$ ; 注意前后通道直接相当于全连接，即前后两个卷积层直接所有通道都互相连接。

反向传播

权重梯度

a) 首先来看损失函数 $L$ 关于第 $l-1$ 层权重 $W^{l-1}$ 和偏置 $b^{l-1}$ 的梯度：

\partial L \partial W l - 1 m , n , c , d = \sum i \sum j \partial L \partial z l d , i , j * \partial z l d , i , j \partial W l - 1 m , n , c , d = \sum i \sum j δ l d, i, j * \partial ( \sum C l - 1 c = 1 \sum k l - 1 1 - 1 m = 0 \sum k l - 1 2 - 1 n = 0 W l - 1 m , n , c , d z l - 1 c , i + m , j + n + b l - 1 ) \partial W l - 1 m , n , c , d = \sum i \sum j δ l d, i, j * z l - 1 c, i + m, j + n / / l 层 的 d 通 道 每 个 神 经 元 都 有 梯 度 传 给 权 重 W l - 1 m, n, c, d (1) (2) (5)

$\begin{align} &\frac {\partial L} {\partial W_{m,n,c,d}^{l-1}} = \sum_i \sum_j \frac {\partial L} {\partial z^l_{d,i,j}} * \frac {\partial z^l_{d,i,j}} {\partial W_{m,n,c,d}^{l-1}} &//l层的d通道每个神经元都有梯度传给权重W^{l-1}_{m,n,c,d}\\ &=\sum_i \sum_j \delta^l_{d,i,j} * \frac {\partial ( \sum_{c=1}^{C^{l-1}}\sum_{m=0}^{k_1^{l-1}-1} \sum_{n=0}^{k_2^{l-1}-1} W_{m,n,c,d}^{l-1} z_{c,i+m,j+n}^{l-1} + b^{l-1} )} {\partial W^{l-1}_{m,n,c,d}} \\ &=\sum_i \sum_j \delta^l_{d,i,j} * z^{l-1}_{c,i+m,j+n} \tag 5 \end{align} \\$
对比公式(5)和单通道中公式(4),可以发现,损失函数

L L $L$ 关于第

l - 1

$l-1$ 层权重

Wl−1:,:c,d W : , : c , d l − 1 $W^{l-1}_{:,:c,d}$ 梯度就是以

δld δ d l $\delta^l_d$ 为卷积核在

zl−1c z c l − 1 $z^{l-1}_c$ 上做卷积的结果(这里没有偏置项),单通道对单通道的卷积。

b) 损失函数 $L$ 关于第 $l-1$ 层偏置 $b^{l-1}$ 的梯度同

\partial L \partial b l - 1 d = \sum i \sum j δ l d, i, j (6)

$\begin{align} \frac {\partial L} {\partial b^{l-1}_d} =\sum_i \sum_j \delta^l_{d,i,j} \tag 6 \end{align}$

l-1层梯度

由单通道可知第 $l$ 层的第 $d$ 个通道传给第 $l-1$ 层 $c$ 通道的梯度为:

\begin{matrix} (7) & \sum_{m = 0}^{k_{1}^{l - 1} - 1} \sum_{n = 0}^{k_{2}^{l - 1} - 1} r o t_{180^{\circ}} W_{m, n, c, d}^{l - 1} p δ_{d, i + m, j + n}^{l} \end{matrix}

$\sum_{m=0}^{k_1^{l-1}-1} \sum_{n=0}^{k_2^{l-1}-1}rot_{180^\circ} W^{l-1}_{m,n,c,d}p\delta^{l}_{d,i+m,j+n} \tag 7$

而l层的每个通道都有梯度返回给第l-1层的第c个通道，因此有:

δ l - 1 c, i, j = \sum d = 1 C l \sum m = 0 k l - 1 1 - 1 \sum n = 0 k l - 1 2 - 1 r o t 180 \circ W l - 1 m, n, c, d p δ l d, i + m, j + n (8)

$\delta^{l-1}_{c,i,j}=\sum_{d=1}^{C^l}\sum_{m=0}^{k_1^{l-1}-1} \sum_{n=0}^{k_2^{l-1}-1}rot_{180^\circ} W^{l-1}_{m,n,c,d}p\delta^{l}_{d,i+m,j+n} \tag 8$

其中：

pδld,i,j={δld,i−kl−11+1,j−kl−12+10i∈[kl−11−1,Hl+kl−11−2]且j∈[kl−12−1,W^l+kl−12−2]i,j其它情况(12) (12) p δ d , i , j l = { δ d , i − k 1 l − 1 + 1 , j − k 2 l − 1 + 1 l i ∈ [ k 1 l − 1 − 1 , H l + k 1 l − 1 − 2 ] 且 j ∈ [ k 2 l − 1 − 1 , W ^ l + k 2 l − 1 − 2 ] 0 i , j 其 它 情 况

$p\delta^l_{d,i,j}=\begin{cases} \delta^l_{d,i-k_1^{l-1}+1,j-k_2^{l-1}+1} & i \in[k_1^{l-1}-1,H^l+k_1^{l-1}-2] 且j \in [k_2^{l-1}-1,\hat W^l+k_2^{l-1}-2] \\ 0 & i,j其它情况 \tag {12} \end{cases}$

原文链接：https://blog.csdn.net/csuyzt/article/details/82026408