训练神经网络基本采用反向传播+梯度下降来进行，具体过程如下：
全连接层神经元之间互相连接，假设第一层有三个节点，第二层有个节点，如下图所示：
我们通过w11,w12,w21,w22,w31,w32来分别表示神经网络中节点到节点的权重，实际上，这可以被表示为矩阵的形式：
因此，神经网络层与层之间的权重矩阵W在程序中就是通过这一个个矩阵表示出来的。而刚好每一层的神经元又可以采用向量的形式表示出来，故要求得第二层神经元的各个值，我们只需要将向量与矩阵相乘就行了。（上图中向量为1*3向量，而矩阵是3*2矩阵，两个相乘得到1*2向量，这个向量刚好对应第二层的两个神经元节点）
在训练开始时，W矩阵中的所有元素被设为随机初始值（一般为-0.5--0.5，因为全连接神经网络一般用sigmoid激活函数激活，选择-0.5--0.5的值有利于反向传播顺利进行）
首先由数据进入一个随机生成参数的网络，数据不断通过神经元及激活函数向前传播，直至到达输出层，在训练过程中，我们会有监督值t来监督这次前向传播的值是否正确，如果不正确，则监督值会传出一个误差值，告诉这个网络你的计算和我想要的差了多少。这个过程有点像猜数字游戏，A心里想好一个数，B来猜，B先猜是5，A说小了，那B就会说一个比5大的数。
神经网络的更新与此相似，但是输出层告诉整个神经网络的是一个精准的误差值，而整个神经网络要调整的是整个权重矩阵的参数，而不是像猜数字那样，只用对一个数字进行增大或减小，具体就是告诉整个矩阵中的每一个数是该变大还是变小，而且由于矩阵是一个整体，你必须要考虑矩阵中的所有数变大变小的程度，而不是说矩阵中的每一个数都增加或减少一个定值。那怎么确定一个矩阵中的每个权重值变大还是变小，又各自改变多少呢？这就是梯度下降要做的事。
梯度是多元函数微分中的概念，相当于分别求得矩阵中各个变量下降最快的方向，那么，用这个方向乘以一定的步长就可以粗略的作为该次反向传播w权值的更新结果。
原理如下：我们通过监督值t减去网络给出的输出值得到误差，但我们一般采用均方误差：
我们改变W矩阵的各个值，目的是为了使损失L最小。
即我们求得W对L的梯度表达式：
通过一次误差反向传播，原理与正向传播一致，拿上图的例子说明即：一个1*2误差向量乘上2*3（W的转置）得到1*3向量，按照这样的做法，我们可得到各个层的误差值。（详细的数学推导我另发帖子阐明，对于编程来讲，了解是如何操作的就够了）
而刚好L可以被y表达出来（第一个式子），且y又可以被如下式子表示，其中f()表示激活函数
那么由多元微分的传递性可得：
f '()中的值实际上就是该层节点没有经过激活函数而只有线性求和的值。而t-y表示误差，xi是上一层的输入。有了梯度，这样我们就知道W矩阵中的每个值该如何修改了。
