反向传播中计算dW_curr为何要除以m，是否仅交叉熵损失需要该操作

为什么要除以m #

核心原因和批量训练的梯度计算逻辑直接相关：

• 代码中np.dot(dZ_curr, A_prev.T)这一步，已经完成了批次内所有样本的单样本梯度求和操作，这里的m是当前批次的样本总数，除以m本质是对批次内的梯度取平均值。
• 该操作最核心的作用是保证梯度的量级和批次大小无关：如果不做除法，当你把批次大小从32调整为128时，梯度的数值会直接变为原来的4倍，你必须同步调整学习率才能保证训练正常进行；做了平均之后，无论批次大小怎么变，梯度的尺度都是统一的，学习率不用频繁调整。
• 同时平均梯度也能提升训练稳定性：避免批次样本较多时，求和得到的梯度过大导致训练过程震荡。

该操作是否仅适用于交叉熵损失 #

不是，这个除法操作和你选择的损失函数完全无关，是批量训练场景下的通用操作：
无论你使用均方误差（MSE）、平均绝对误差（MAE）还是交叉熵作为损失函数，只要你在计算损失时用的是批次内所有样本的平均损失（这是几乎所有深度学习训练的默认实现），反向传播时就需要对梯度做平均，也就是除以m。只有当你刻意使用批次总损失而非平均损失时，才可以去掉这个除法，这种情况非常少见。

内容的提问来源于stack exchange，提问作者Gabriel Oliveira Guimarães