反向传播（Backpropagation）是如何工作的？

前向传播算输出和损失，反向传播用链式法则从损失对每层参数求梯度，再梯度下降更新权重。

神经网络可看作复合函数 y=f_n(...f_1(x))。前向传播 逐层计算激活值并保存中间结果。反向传播 从损失 L 开始，对每层参数 w 计算 ∂L/∂w：输出层梯度直接求，隐藏层用链式法则把误差信号传回。框架（PyTorch/TF）通过自动微分构建计算图自动完成。梯度消失/爆炸是深层网络训练难点，ReLU、残差连接、LayerNorm 等可缓解。