Backward Pass

释义 (Definition)

backward pass 常指在机器学习/深度学习中“反向传播阶段”：在完成前向计算（forward pass）得到损失（loss）后，从输出层向输入层反向计算梯度，以便更新模型参数。（在部分语境中也可泛指“向后传递/回传的一次过程”，但最常见用法是神经网络训练。）

发音 (IPA)

/ˈbæk.wɚd pæs/

例句 (Examples)

The backward pass computes gradients for each parameter.
反向传播阶段会为每个参数计算梯度。

After the forward pass produces the predictions, the backward pass propagates the error through the network so the optimizer can update the weights efficiently.
当前向计算产生预测结果后，反向传播会将误差信号在网络中回传，从而让优化器能够高效地更新权重。

词源 (Etymology)

backward 来自 back（后面）+ 表方向的后缀 -ward（朝向……），表示“向后/反向”。pass 有“通过、过程、一次运行”的意思。合在一起，backward pass 字面即“反向的一次过程/运行”，在深度学习中专指与 forward pass 相对的那一步计算流程。

相关词 (Related Words)

• Backpropagation
• Forward
• Forward Pass
• Gradient
• Derivative
• Chain Rule
• Loss
• Optimizer
• Weight
• Update

文学/著作示例 (In Notable Works)

• Deep Learning（Ian Goodfellow, Yoshua Bengio, Aaron Courville）——讨论训练神经网络时的前向与反向计算过程。
• Neural Networks and Deep Learning（Michael Nielsen）——以反向传播为核心讲解梯度计算与学习过程。
• Deep Learning with Python（François Chollet）——在模型训练章节中描述前向计算与反向计算（梯度回传）的流程。
• Pattern Recognition and Machine Learning（Christopher M. Bishop）——在相关章节中涉及梯度与反向传播思想（常与“backward”计算流程一起出现）。