DeepLearning 吴恩达深度学习第二课笔记

改善深层神经网络	偏差、方差
	减少偏差     更大的网络       减少方差      更多数据      正则化
	正则化 （Regularization）	L2正则 ||w||^2，w是高维参数，可以加b，也可以不加   正则化权重lambda过大时，w很小，wx+b接近0，经过激活函数（sigmod／tanh）后，神经网络的效果接近LR   inverted dropout(反向随机失活） d3 = np.random.rand(a3.shape[0],a3.shape[1]) < keep-prob a3 = np.multiply(a3,d3)  #a3是隐层单元（hidden units) a3 /= keep-prob  (<—保持期望不变） 测试阶段不用dropout dropout之所以有效，是因为随机删除结点后，不能依赖特定的特征，它会压缩结点的权重，类似L2正则的效果。在过拟合的时候使用，通常用在计算机视觉，因为数据样本不够。缺点是使损失函数变得不确定。   数据扩充（data augmentation) 图片旋转变形，扩充训练集   early stopping 验证集误差上升时停止训练
	归一化（Normalize）	梯度下降更快
	参数初始化和梯度校验	激活函数或者梯度函数指数增长和衰减导致梯度爆炸／消失 exploding gradients vanishing gradients（前面的隐藏层学习速度特别小，难以训练）   神经网络的权重初始化 目标：每一层输出的方差尽量相等，使网络中的信息能更好的流动，不依赖某些结点 w = np.random.randn(input_shape,hiden_shape)/sqrt(input_shape) https://www.cnblogs.com/adong7639/p/9547789.html https://blog.csdn.net/qq_30815237/article/details/88930436   梯度检验 计算前向传播的梯度和反向传播的梯度，有没有明显差别 https://www.jianshu.com/p/26c5ad2be5b1 和dropout不能同时使用
梯度下降优化	mini-batch	一个epoch执行多次梯度下降，大数据集下训练速度更快 mini-batch size = m    ~~ batch gradient descend  每个迭代训练时间过长 mini-batch size = 1   ~~ stochastic gradient descend  噪声更多，向量化计算的好处丢失 mini-batch   向量化计算；下降速度快
	momentum RMSprop Adam	指数加权平均(exponentially weighted average) 近似1/(1-β) 天的移动平均数，β越小，当前参数θ_t的影响越大，一般取0.9   momentum 梯度下降，平滑处理，减小摆动（oscillations)   RMSprop （root mean squre均方根）进一步优化摆动幅度过大的问题，使各方向的摆动幅度都较小   Adam Adam（Adaptive Moment Estimation）算法是将Momentum算法和RMSProp算法结合起来使用的一种算法 https://blog.csdn.net/willduan1/article/details/78070086
	学习速率	衰减学习速率 指数衰减 阶段衰减
	局部最优	高维空间 saddle points 鞍点 > 局部最优 plateaus Adam能更快走出平稳段
超参调试技巧	超参数	重要性 1.学习速率alpha 2.momentum beta，mini-batch, hidden units 参数重要性不一样，随机取值而不是用网格法（Grid)，然后coarse to fine 缩小范围   参数取值范围 hidden units均匀取值，alpha对数坐标轴上均匀取值
Batch Norm	batch normalize	归一化z还是a，默认z (激活函数之前的值)   归一化为什么有效 1.每一层输出的方差尽量相等，使网络中的信息能更好的流动，不依赖某些结点，梯度下降迭代的更快 2.解决covariate shift问题，减少输入值改变的问题，输入值更稳定，使每层能有独立学习的能力，加快学习速度 3.轻微正则化的作用，mini-batch 执行batch norm，均值方差增加了噪声   测试的时候，均值和方差可以用mini-batch上计算的均值方差指数加权平均