神经网络和深度学习 —— 浅层神经网络

浅层神经网络

神经网络表示

一个浅层神经网络示意图：

如图所示，表示一个单隐层的网络结构。

这里主要需要注意的是，层与层之间参数矩阵的规格大小：

• 输入层和隐藏层之间

  • $w^{[1]}$->(4,3)：前面的4是隐层神经元的个数，后面的3是输入层神经元的个数；
  • $b^{[1]}$->(4,1)：4表示和隐藏层的神经元个数相同，这个1在之前的视频【python/numpy向量说明一节】中有说明，不建议使用(4,)，这表示秩为1的数组，表示成(4,1)表示定义成列向量更易理解；

• 隐藏层和输出层之间

  • $w^{[1]}$->(1,4)：前面的1是输出层神经元的个数，后面的4是隐层神经元的个数；
  • $b^{[1]}$->(1,1) ：和输出层的神经元个数相同；

由上面我们可以总结出，在神经网络中，我们以相邻两层为观测对象，前面一层作为输入，后面一层作为输出，两层之间的w参数矩阵大小为 $(n_{out},n_{in})$ ，b参数矩阵大小为 $(n_{out},1)$ ，这里是作为 $z = wX+b$ 的线性关系来说明的，在神经网络中， $w^{[i]}=w^{T}$ 。

在logistic regression中，一般我们都会用 $(n_{in},n_{out})$ 来表示参数大小，计算使用的公式为： $z = w^{T}X+b$ ，注意这两者的区别。

计算神经网络的输出

除输入层之外每层的计算输出可由下图总结出：

其中，每个结点都对应这两个部分的运算，z运算和a运算。 在编程中，我们使用向量化去计算神经网络的输出：

在对应图中的神经网络结构，我们只用Python代码去实现右边的四个公式即可实现神经网络的输出计算。

向量化实现

假定在m个训练样本的神经网络中，计算神经网络的输出，用向量化的方法去实现可以避免在程序中使用for循环，提高计算的速度。

下面是实现向量化的解释：

由图可以看出，在m个训练样本中，每次计算都是在重复相同的过程，均得到同样大小和结构的输出，所以利用向量化的思想将单个样本合并到一个矩阵中，其大小为 (x_{n},m) ，其中 x_{n} 表示每个样本输入网络的神经元个数，也可以认为是单个样本的特征数，m表示训练样本的个数。

通过向量化，可以更加便捷快速地实现神经网络的计算。

激活函数的选择

几种不同的激活函数 g(x) ：

• sigmoid：

$$a = \frac{1}{1+e^{-z}}$$

导数： $a' = a(1-a)$

• tanh：

$$a=\frac{e^{z}-e^{-z}}{e^{z}+e^{-z}}$$

导数： $a' = 1 - a^{2}$

• ReLU（修正线性单元）：

$$a = \max(0,z)$$

导数：

$$a' = \begin{cases}1, & \text{if $z$ > 0} \\[2ex] 0, & \text{if $z$ < 0} \end{cases}$$

• Leaky ReLU:

$$a = \max(0.01z,z)$$

导数：

$$a' = \begin{cases}1, & \text{if $z$ > 0} \\[2ex] 0.01, & \text{if $z$ < 0} \end{cases}$$

激活函数的选择：

sigmoid函数和tanh函数比较：

• 隐藏层：tanh函数的表现要好于sigmoid函数，因为tanh取值范围为 [-1,+1] ，输出分布在0值的附近，均值为0，从隐藏层到输出层数据起到了归一化（均值为0）的效果。
• 输出层：对于二分类任务的输出取值为 {0,1} ，故一般会选择sigmoid函数。

然而sigmoid和tanh函数在当 |z| 很大的时候，梯度会很小，在依据梯度的算法中，更新在后期会变得很慢。在实际应用中，要使 |z| 尽可能的落在0值附近。

ReLU弥补了前两者的缺陷，当 z>0 时，梯度始终为1，从而提高神经网络基于梯度算法的运算速度。然而当 z<0 时，梯度一直为0，但是实际的运用中，该缺陷的影响不是很大。

Leaky ReLU保证在 z<0 的时候，梯度仍然不为0。

在选择激活函数的时候，如果在不知道该选什么的时候就选择ReLU，当然也没有固定答案，要依据实际问题在交叉验证集合中进行验证分析。

神经网络的梯度下降法

以本节中的浅层神经网络为例，我们给出神经网络的梯度下降法的公式。

• 参数： W^{[1]},b^{[1]},W^{[2]},b^{[2]} ；
• 输入层特征向量个数： n_{x}=n^{[0]} ；
• 隐藏层神经元个数： n^{[1]} ；
• 输出层神经元个数： n^{[2]}=1 ；
• $W^{[1]}$ 的维度为 $(n^{[1]},n^{[0]}), b^{[1]}$ 的维度为 $(n^{[1]},1)$；
• $W^{[2]}$ 的维度为 $(n^{[2]},n^{[1]}), b^{[2]}$ 的维度为 $(n^{[2]},1)$ ；

下面为该例子的神经网络反向梯度下降公式（左）和其代码向量化（右）：

随机初始化

如果在初始时，两个隐藏神经元的参数设置为相同的大小，那么两个隐藏神经元对输出单元的影响也是相同的，通过反向梯度下降去进行计算的时候，会得到同样的梯度大小，所以在经过多次迭代后，两个隐藏层单位仍然是对称的。无论设置多少个隐藏单元，其最终的影响都是相同的，那么多个隐藏神经元就没有了意义。

在初始化的时候， W 参数要进行随机初始化， b 则不存在对称性的问题它可以设置为0。 以2个输入，2个隐藏神经元为例：

W = np.random.rand((2,2))* 0.01
b = np.zero((2,1))

这里我们将W的值乘以0.01是为了尽可能使得权重W初始化为较小的值，这是因为如果使用sigmoid函数或者tanh函数作为激活函数时，W比较小，则 Z = WX+b 所得的值也比较小，处在0的附近，0点区域的附近梯度较大，能够大大提高算法的更新速度。而如果W设置的太大的话，得到的梯度较小，训练过程因此会变得很慢。

ReLU和Leaky ReLU作为激活函数时，不存在这种问题，因为在大于0的时候，梯度均为1。

[1] 吴恩达网络云课堂 deeplearning.ai 课程
[2] https://zhuanlan.zhihu.com/p/29706138