简单易懂的softmax交叉熵损失函数求导

来写一个softmax求导的推导过程，不仅可以给自己理清思路，还可以造福大众，岂不美哉~
softmax经常被添加在分类任务的神经网络中的输出层，神经网络的反向传播中关键的步骤就是求导，从这个过程也可以更深刻地理解反向传播的过程，还可以对梯度传播的问题有更多的思考。

softmax 函数

softmax(柔性最大值)函数，一般在神经网络中， softmax可以作为分类任务的输出层。其实可以认为softmax输出的是几个类别选择的概率，比如我有一个分类任务，要分为三个类，softmax函数可以根据它们相对的大小，输出三个类别选取的概率，并且概率和为1。

softmax函数的公式是这种形式：
$$S_i=\frac{e^{z_i}}{{\sum }_k{e}^{z_k}}$$
$S_i$代表的是第i个神经元的输出。
ok，其实就是在输出后面套一个这个函数，在推导之前，我们统一一下网络中的各个表示符号，避免后面突然出现一个什么符号懵逼推导不下去了。
首先是神经元的输出，一个神经元如下图：

神经元的输出设为：
$$z_i=\sum _j{w}_{ij}{x}_{ij}+b$$
其中$w_{ij}$是第$i$个神经元的第$j$个权重，$b$是偏移值。$z_i$表示该网络的第$i$个输出。
给这个输出加上一个softmax函数，那就变成了这样：
$$a_i=\frac{e^{z_i}}{{\sum }_k{e}^{z_k}}$$
$a_i$代表softmax的第i个输出值，右侧就是套用了softmax函数。

损失函数 loss function

在神经网络反向传播中，要求一个损失函数，这个损失函数其实表示的是真实值与网络的估计值的误差，知道误差了，才能知道怎样去修改网络中的权重。

损失函数可以有很多形式，这里用的是交叉熵函数，主要是由于这个求导结果比较简单，易于计算，并且交叉熵解决某些损失函数学习缓慢的问题。交叉熵的函数是这样的：
$$C=-\sum _i{y}_i\ln a_i$$
其中$y_i$表示真实的分类结果。
到这里可能嵌套了好几层，不过不要担心，下面会一步步推导，强烈推荐在纸上写一写，有时候光看看着看着就迷糊了，自己边看边推导更有利于理解~

最后的准备

在我最开始看softmax推导的时候，有时候看到一半不知道是怎么推出来的，其实主要是因为一些求导法则忘记了，唉~
所以这里把基础的求导法则和公式贴出来~有些忘记的朋友可以先大概看一下：

推导过程

好了，这下正式开始~
首先，我们要明确一下我们要求什么，我们要求的是我们的loss对于神经元输出($z_i$)的梯度，即：
$$\frac{\partial C}{\partial z_i}$$
根据复合函数求导法则：
$$\frac{\partial C}{\partial z_i}=\sum _j(\frac{\partial C_j}{\partial a_j}\frac{\partial a_j}{\partial z_i})$$
由于有些朋友对于之前的写法有些疑惑，所以我这里修改了一下，这里为什么是$a_j$而不是$a_i$，这里要看一下softmax的公式了，因为softmax公式的特性，它的分母包含了所有神经元的输出，所以，对于不等于i的其他输出里面，也包含着$z_i$，所有的$a$都要纳入到计算范围中，并且后面的计算可以看到需要分为$i=j$和$i\ne j$两种情况求导。
下面我们一个一个推：
$$\frac{\partial C_j}{\partial a_j}=\frac{\partial (-y_j\ln a_j)}{\partial a_j}=-y_j\frac{1}{a_j}$$
第二个稍微复杂一点，我们先把它分为两种情况：
①如果$i=j$：
$$\frac{\partial a_i}{\partial z_i}=\frac{\partial (\frac{e^{z_i}}{{\sum }_k{e}^{z_k}})}{\partial z_i}=\frac{{\sum }_k{e}^{z_k}{e}^{z_i}-(e^{z_i}{)}^2}{({\sum }_k{e}^{z_k}{)}^2}=(\frac{e^{z_i}}{{\sum }_k{e}^{z_k}})(1-\frac{e^{z_i}}{{\sum }_k{e}^{z_k}})=a_i(1-a_i)$$
②如果$i\ne j$：
$$\frac{\partial a_j}{\partial z_i}=\frac{\partial (\frac{e^{z_j}}{{\sum }_k{e}^{z_k}})}{\partial z_i}=-e^{z_j}(\frac{1}{{\sum }_k{e}^{z_k}}{)}^2{e}^{z_i}=-a_i{a}_j$$

ok，接下来我们只需要把上面的组合起来：

$$\frac{\partial C}{\partial z_i}=\sum _j(\frac{\partial C_j}{\partial a_j}\frac{\partial a_j}{\partial z_i})=\sum _{j\ne i}(\frac{\partial C_j}{\partial a_j}\frac{\partial a_j}{\partial z_i})+\sum _{i=j}(\frac{\partial C_j}{\partial a_j}\frac{\partial a_j}{\partial z_i})$$
$$=\sum _{j\ne i}-y_j\frac{1}{a_j}(-a_i{a}_j)+(-y_i\frac{1}{a_i})(a_i(1-a_i))$$
$$=\sum _{j\ne i}{a}_i{y}_j+(-y_i(1-a_i))$$
$$=\sum _{j\ne i}{a}_i{y}_j+a_i{y}_i-y_i$$
$$=a_i\sum _j{y}_j-y_i$$

最后的结果看起来简单了很多，最后，针对分类问题，我们给定的结果$y_i$最终只会有一个类别是1，其他类别都是0，因此，对于分类问题，这个梯度等于：
$$\frac{\partial C}{\partial z_i}=a_i-y_i$$