Computer vision cs231n卷积神经网络

我在看斯坦福大学CS231N的在线讲座。我有一个问题，也许是因为某种原因我弄糊涂了。链接是：

转到35:46，在后退函数中，dx的公式为：

dx = self.y * dz. 

从那以后我就再也不知道了

z = x*y. 

所以

---

有人能解释一下为什么会有这种不同吗

这在他的代码中只是一个奇怪的符号（dz，dx，dy不是通常意义上的用法）。变量dz此处表示成本函数L（完整神经网络）相对于z的导数，而L对x和y的导数则是dx和dy。z对x的导数是y简单地由self.y给出的。记住这些符号后，其余的都遵循链式规则。

因此，如果我错了，请纠正我。dx不是z对L的影响（dL/dz）和y对x的局部梯度（影响）的乘积（只不过是y）。这是正确的吗？dx是z对L的影响与x对z的影响的乘积。神经元计算z=x*y，因此x和y都会影响z，但y在任何时候都不会影响x。我希望这有帮助！现在它完全有道理了。你的解释，再回到过去，完全有道理。谢谢

dx = dz/y