CNN的反向传播具体应该怎么计算

Question

虽然理解了cnn如何运作，但是在反向传播
（包括在softmax逻辑回归和前一层隐含层之间
卷积层和隐含层之间
卷积层和卷积层之间）
如何反向传播

虽无法理解的是卷积层的参数大概是卷积核，那后一层的参数如何对卷积核每个参数分别调整，是只能向同一个方向调整，还是用什么矩阵运算？

Answer 1

反向传播一般使用的是梯度下降算法，也就是算出梯度，然后按照梯度方向和学习率调整参数。
在梯度下降的基础上，又衍生出很多算法，比如随机梯度下降，自适应学习率算法等等。
这些你可以去看Goodfellow写的深度学习（花书）。