BP算法是训练神经网络的一种算法，其是一种计算神经网络可训练参数的梯度的高效算法，正是因为BP算法的提出和在工程上的实现，使得深度神经网络模型可以比较轻易的训练。
BP算法是建立在梯度下降的优化算法基础之上的，正是因为我们使用了梯度下降的方法来优化我们的模型，我们才有计算参数梯度的需求。当然，神经网络已经给了我们目标函数的表达方式，因此，计算梯度其实是一件很显而易见的事情，问题在于，如何更加高效简单的计算，而且具有通用性，这才是这个优化问题的核心所在，BP算法的特点就是高效简单，而且具有通用性。
BP算法并不需要什么高深的数学，只要对梯度和chain rule有比较好的理解，那么BP算法就是显而易见的。对于梯度的理解，可以参考博主这篇文章《如何直观理解梯度下降算法》。对于chain rule，可以直接看如下推导：
，如果x变化了
，那么
，由于
，所以
.
所以，只要g(x)和f(g(x))在x处是可导的，明显可以得到
.
上面的推导的目的是为了理解chain rule这个过程，而不是死记硬背。基本的变量对于最终函数值的影响是可以这样分解为多步的，所以我们要分析一个变量对函数值最终的影响，同时如果这个函数关系比较复杂导致影响过程也比较复杂的话，那么这样逐步的分解去进行分析是一种很好的方式，这基本就是BP算法的分析和推导过程。
对于DNN，我们随意分析其中的几层，以如下的网络结构为例。假设第k层有5个神经元，k+1层有3个神经元，第k+2层只有1个神经元，并且k+2层是最后一层。同时设当前状态下，每个神经元激活后的值为
，激活函数设为f。
现在我们要分析第k层第一个神经元对应的
权重的偏导数。即假设
发生了微小的变化，那么该变化最终对输出造成的影响是多少，这也是单变量导数的含义。
的变化是通过中间k+1层的三个神经元传递对最终输出的影响的，即
的变化先影响k+1层的三个神经元，然后k+1层的三个神经元再对最终k+2层的输出产生影响，从而实现
对最终输出的影响。对此，我们只需要依次分析和计算，就可以计算出
对最终输出的影响，从而也就计算出了
的偏导数。 首先，
对k+1层的三个神经元的影响是很容易计算的，比如对于k+1层第一个神经元的影响就是k层第一个神经元的值和k+1层第一个神经元的导数的乘积；我们知道
对下一层的影响后，接下来可以再分析下一层神经元的变化 对最终输出造成的影响，同样可以用简单的求导法则计算出来。具体如下所示。
可以看到，
的偏导就等于和其每条相连路径上所有导数值和函数值乘积之和，这个就类似值前向传播过程的一个逆过程，只是神经元的值变成了神经元对应的导数值，这个导数值和激活函数有关。并且在计算不同变量的偏导时，发现路径很多是重合的，所以实际上网络中每个神经元对应的导数值只需要计算一遍即可，所以只需要反向传播一遍就可以计算所有参数的偏导。
实际上，上述分析中，我们采用的分析思路是前向传播，最终得到的参数偏导却是一个逆过程，这个逆过程的重要性体现在，在计算梯度时，网络中每个神经元导数只需要计算一次即可，但是如果使用前向分析和计算，那么每个参数都需要前向计算一遍，这个会导致有很多的重复计算。因此，本文的反向传播是通过参数前向分析导出的一种结果，而且在算法实现上可以极大的精简计算。
上面的分析只是针对简单的DNN而言的，实际上，对于其他的网络结构，比如RNN，或者加入了Attention机制的网络等，分析的思路都是一样的，只是需要记住一个技巧性的地方：对于同一个参数在网络的不同地方多次出现，可以将其看成不同的参数独立使用多变量分析方式，然后再汇总即可，比如RNN。这一技巧的理解，可以参考博主这篇文章《理解两个函数乘积的导数的一种视角》。
