以三层的BP神经网络为例：
输出如下：最后一层的激活函数统一用softmax，所以单独拎出来并没有写在里面。为什么要用softmax这个激活函数呢？因为输出的y1、y2并不属于任何一个分布，我们想让输出满足一个概率分布，就要进行softmax处理，计算公式如下图：可以看出o1+o2是等于1的。
对损失的计算一般选择是交叉熵，针对不同的分类问题，最后层的激活函数不同，导致交叉熵的计算公式略有差别：
将o1和o2带入交叉熵计算公式：
误差的反向传播
以求w11(2)为例来说明，根据链式求导法则可得如图结论，继续对每一个偏导求值：
下图中右边就是求解出来每一项的偏导数，左边就是w11(2)的损失梯度：
权重的更新：
那么所求的损失梯度的方式是不是指向全局最优(损失减小最快)的方向？
下图给出了明确的说明：分批次训练会指向局部最优，但不会指向全局最优
优化器：使网络得到更快的收敛，通过动态调整学习率来确定如何更新网络权重
刚才说的分批次进行训练，每一个批次进行一个损失的计算及误差的反向传播其实就是常说的SGD优化器。
这里给出SGD优化器更新参数的表达式：wt+1是更新后的参数，wt是更新前的参数，但SGD优化器的缺点也很明显，比如训练集中有些标注是错误的，那么求出来的损失梯度肯定就会有问题。另外，理想的情况是沿着图中黑色路径达到最优解，但分批次的话有可能梯度的方向不会这么理想，而跑偏，陷入局部最优。那么如何解决呢，引入SGD+Momentum优化器即可。
引入SGD+动量进行优化：除了计算当前的梯度之外，还会将之前的梯度加入进来，引入动量之后，会考虑上一次的梯度方向，如左下角所示，这样可以有效的抑制样本噪声的干扰。动量系数一般取0.9.
另外一个优化器：Adagrad优化器，其主要是在学习率上面做手脚，St是对损失梯度平方求和，这样会使得分母在训练过程中越来越大，从而导致学习率越来越小，这样就会达到一个自适应学习率的目的。但是其也有一个问题，就是学习率下降的太快，解决办法：引入RMSProp优化器。
相对于Adagrad优化器，RMSProp优化器多增加了两个系数，其目的就是用来控制衰减速度。
最后一个Adam优化器，其相对于前几个优化器看起来更复杂一点，包含一阶动量和二阶动量，
如何选择合适的优化器，博主只说一句话：实践是检验真理的唯一标准。
