# 反向传播逐步演示

> 来源：https://deeplearning.bnuai.com/demos/backprop ｜ 作者：唐志清（北京师范大学） ｜ 更新：2026-11-01 ｜ 内容依据邱锡鹏《神经网络与深度学习》（https://nndl.ai/）及作者公开课件

> （此处为交互演示，请在网页中使用：https://deeplearning.bnuai.com/demos/backprop）

## 观察要点

1. 反向传播就是链式法则的高效组织方式：每层只需上一层传回的 δ 与本层局部导数。
2. Logistic 激活的导数最大只有 0.25，层数一多 δ 迅速变小，这是梯度消失的直接原因。
3. 把学习率调大，观察损失下降速度与是否震荡。

相关章节：[第 4 章 前馈神经网络](https://deeplearning.bnuai.com/chapters/04-feedforward)。