深度学习简介（李宏毅深度学习 task 4）

1. 深度学习的三个步骤

1.1 神经网络（Neural network）

神经网络有着多种的模型，而这也对应着神经元不同的连接方式。
下面时一些常见的连接方式对应的神经网络

完全连接前馈神经网络

1. 概念：前馈（feedforward）也可以称为前向，从信号流向来理解就是输入信号进入网络后，信号流动是单向的，即信号从前一层流向后一层，一直到输出层，其中任意两层之间的连接并没有反馈（feedback），亦即信号没有从后一层又返回到前一层。

• 当已知权重和偏差时输入(1,-1)​(1,−1)​的结果
  
• 结论：一个神经网络如果权重和偏差都知道的话就可以看成一个函数，他的输入是一个向量，对应的输出也是一个向量。不论是做回归模型（linear model）还是逻辑回归（logistics regression）都是定义了一个函数集（function set）。我们可以给上面的结构的参数设置为不同的数，就是不同的函数（function）。这些可能的函数（function）结合起来就是一个函数集（function set）。这个时候你的函数集（function set）是比较大的，是以前的回归模型（linear model）等没有办法包含的函数（function），所以说深度学习（Deep Learning）能表达出以前所不能表达的情况。

2. 全链接和前馈的理解

• 输入层（Input Layer）：1层
• 隐藏层（Hidden Layer）：N层
• 输出层（Output Layer）：1层

3. 为什么叫全链接：因为layer1与layer2之间两两都有连接
4. 为什么叫前馈：现在传递的方向是由后往前传
5. 深度的理解：Deep = Many hidden layer.
   
   
   此时，由于层数的增多，运算量也急速增大。对于这样的结构，我们不会使用一般的循环（会有巨大的计算开销）。此时，我们引入矩阵计算（Matrix Operation），这能使我们的运算速度与效率大幅提高。
   
   通过一连套的矩阵运算，从输入层计算到输出层。

本质：通过隐藏层进行特征转换

把隐藏层通过特征提取来替代原来的特征工程，这样在最后一个隐藏层输出的就是一组新的特征（相当于黑箱操作）而对于输出层，其实是把前面的隐藏层的输出当做输入（经过特征提取得到的一组最好的特征）然后通过一个多分类器（可以是softmax函数）得到最后的输出y。

问题

1. 多少层？ 每层有多少神经元？ 这个问我们需要用尝试加上直觉的方法来进行调试。对于有些机器学习相关的问题，我们一般用特征工程来提取特征，但是对于深度学习，我们只需要设计神经网络模型来进行就可以了。对于语音识别和影像识别，深度学习是个好的方法，因为特征工程提取特征并不容易。
2. 结构可以自动确定吗？ 有很多设计方法可以让机器自动找到神经网络的结构的，比如进化人工神经网络（Evolutionary Artificial Neural Networks）但是这些方法并不是很普及 。
3. 我们可以设计网络结构吗？ 可以的，比如 CNN卷积神经网络（Convolutional Neural Network ）

1.2 模型评估（Goodness of function）

交叉熵

一般采用交叉熵（cross entropy）函数来对$y$和$\hat{y}$的损失计算，调整参数，让交叉熵越来越小

总体损失

对于损失，我们不单单要计算一笔数据的，而是要计算整体所有训练数据的损失，然后把所有的训练数据的损失都加起来，得到一个总体损失L。接下来就是在function set里面找到一组函数能最小化这个总体损失L，或者是找一组神经网络的参数$\theta$，来最小化总体损失L

1.3 选择最优函数（Pick best function）

如何找到最优的函数和最好的一组参数呢，我们用的就是梯度下降

梯度下降

具体流程：$\theta$是一组包含权重和偏差的参数集合，随机找一个初试值，接下来计算一下每个参数对应偏微分，得到的一个偏微分的集合$\nabla L$就是梯度,有了这些偏微分，我们就可以不断更新梯度得到新的参数，这样不断反复进行，就能得到一组最好的参数使得损失函数的值最小

反向传播

在神经网络中计算损失最好的方法就是反向传播

1.链式法则

• 复合函数求导法则
• 连锁影响(可以看出x会影响y，y会影响z)

2.相关损失及其解释

1. 损失函数(Loss function)是定义在单个训练样本上的，也就是就算一个样本的误差，比如我们想要分类，就是预测的类别和实际类别的区别，是一个样本的，用L表示。
2. 代价函数(Cost function)是定义在整个训练集上面的，也就是所有样本的误差的总和的平均，也就是损失函数的总和的平均，有没有这个平均其实不会影响最后的参数的求解结果。
3. 总体损失函数(Total loss function)是定义在整个训练集上面的，也就是所有样本的误差的总和。也就是平时我们反向传播需要最小化的值。
   

3.相关分析

1. 取神经网络中的一部分进行分析
   
   根据链式法则可将梯度计算分为以下两部分：
   计算$\frac{\partial z}{\partial w}$(Forward pass的部分)
   计算$\frac{\partial l}{\partial z}$(Backward pass的部分)

2. Forward pass的部分
   

3. Backward pass的部分（有亿点点迷糊，会再修改这部分）
   
   通过使用链式法则计算过程如下：
   
   得到最终结果为：
   

思考

隐藏层越多越好？

• 结论：层次越高效果越好

普遍性定理

参数多的model拟合数据很好是很正常的。下面有一个通用的理论： 对于任何一个连续的函数，都可以用足够多的隐藏层来表示。