反向传播的是误差还是梯度?

反向传播的是梯度，不是误差。梯度是误差函数对网络参数的偏导数，表示参数调整的方向和幅度。误差是目标值与预测值的差距，梯度则是误差变化的速率。训练时，梯度下降算法利用梯度更新权重，逐步减小误差。反向传播的核心是计算梯度，误差只是计算梯度的起点。

梯度传播依赖链式法则，从输出层向输入层逐层回传。每层梯度由后层梯度与本层激活函数导数相乘得到。这个过程需要大量计算，涉及矩阵运算。实际应用中，梯度大小会影响学习速度，过大会导致震荡，过小则收敛缓慢。优化算法如Adam会调整梯度，提升训练效率。