《深度学习》学习笔记三——数值计算

原文博客：Doi技术团队
链接地址：https://blog.doiduoyi.com/authors/1584446358138
初心：记录优秀的Doi技术团队学习经历

目录

上溢和下溢

• 下溢(underflow)是一种极具毁灭性的舍入误差.当接近零的数被四舍五入为零时发生下溢
• 上溢(overflow)是一种极具破坏力的数值错误形式.当大量级的数被近似为$\infty$或者$-\infty$时发生上溢,进一步的运算通常会导致这些无限值变成非数字.
• softmax 函数(softmax function)可以对上溢和下溢进行数值稳定的一个函数,softmax函数经常用于预测与Multinoulli分布相关联的概率,定义为:

---

基于梯度的优化方法

大多数深度学习算法都涉及某种形式的优化.优化指的是改变$x$以最小化或最大化某个函数$f(x)$的任务.我们通常以最小化$f(x)$指代大多数最优化问题,最大化可以经由最小化算法最小化$-f(x)$来实现
我们把要最小化或最大化的函数称为目标函数(objective function)或者准则(criterion).当我们对其进行最小化时,也把它称为代价函数(cost function),损失函数(loss function)或者误差函数(error function)

导数

导数（derivative）：设函数$y=f(x)$在点$x_0$的某邻域$U(x_0)$内有定义,当自变量$x$在点$x_0$处取得增量$△x$($△x\ne 0$ 且$x_0+△x\in U(x_0)$)时,相应的函数$y$取得增量:
$$△y=f(x_0+△x)-f(x_0)\text{\hspace{1em}(1)}$$
若极限
$$\underset{△x\to 0}{\lim }\frac{△y}{△x}=\underset{△x\to 0}{\lim }\frac{f(x_0+△x)-f(x_0)}{△x}\text{\hspace{1em}(2)}$$
存在,则称函数$y=f(x)$在点$x_0$可导,并称此极限值为函数$y=f(x)$在点$x_0$的导数,记作$f^{\prime }(x_0)$或者${\frac{dy}{dx}|}_{x=x_0}$
由上面的定义可得若曲线$y=f(x)$存在一点$(x_0,y_0)$,并且在这点上可导,导数为$f^{\prime }(x_0)$,那么导数$f^{\prime }(x_0)$就是该点的斜率.
梯度下降(gradient descent)导数对最小化一个函数很有用,当$△x$足够小时,$f(x-△x\mathrm{s}\mathrm{i}\mathrm{g}\mathrm{n}(f^{\prime }(x)))$是比$f(x)$小的,因此我们可以将$x$往导数的反方向移动一小步来减小$f(x)$.这种技术称为梯度下降

在不断重复上面操作后,最终可以得到$f^{\prime }(x)=0$,改点称为临界点(critical point)或驻点(stationary),这个驻点可能是极大点(maximum),或者是极小点(minimum),还有可能是鞍点(saddle point),还要进一步计算.

1. 当驻点的左边的$△x$距离的$f^{\prime }(x)$小于0,而驻点的右边边的$△x$距离的$f^{\prime }(x)$大于0,则该驻点是极小值
2. 当驻点的左边的$△x$距离的$f^{\prime }(x)$大于0,而驻点的右边边的$△x$距离的$f^{\prime }(x)$小于0,则该驻点是极大值
3. 当驻点的距离左右两边的$△x$距离的$f^{\prime }(x)=$都小于0或都大于0,则该驻点是鞍点
   
   在上面用到了$\mathrm{s}\mathrm{i}\mathrm{g}\mathrm{n}$函数,下面的就是$\mathrm{s}\mathrm{i}\mathrm{g}\mathrm{n}$定义:
   $$\mathrm{s}\mathrm{i}\mathrm{g}\mathrm{n}(x)=\{\begin{array}{c}1,x>0\\ 0,x=0\\ -1,x<0\end{array}\text{\hspace{1em}(3)}$$
   $\mathrm{s}\mathrm{i}\mathrm{g}\mathrm{n}$函数的坐标图：
   

偏导数

当函数只有二维输入时，其只有一个驻点，所以这个驻点就是它的最小点或者最大点。但是通常遇到更多的是多维输入的函数，它具有多个驻点，所以它有多个极小点和极大点，如下图。所以通过上面的方法很难找到最大点或者最小点。

针对具有多维输入的函数，我们就需要用到偏导数(partial derivative)的概念了。
设函数$z=f(x,y)$在点$(x_0,y_0)$的某个领域内有定义，当$y$固定在$y_0$而$x$在$x_0$处有增量$△x$时，相应地函数有增量
$$f(x_0+△x,y_0)-f(x_0,y_0)\text{\hspace{1em}(4)}$$
如果有极限
$$\underset{△x\to 0}{\lim }\frac{f(x_0+△x,y_0)-f(x_0,y_0)}{△x}\text{\hspace{1em}(5)}$$
存在，则称此极限为函数$z=f(x,y)$在点$(x_0,y_0)$处对$x$的偏导数，记作：
$${\frac{\partial f}{\partial x}|}_{x=x_0,y=y0}或f_x^{\prime }(x_0,y_0)\text{\hspace{1em}(6)}$$
同理，函数$z=f(x,y)$在点$(x_0,y_0)$处对$y$的偏导数为：
$$f_y^{\prime }(x_0,y_0)=\underset{△y\to 0}{\lim }\frac{f(x_0,y_0+△y)-f(x_0,y_0)}{△y}\text{\hspace{1em}(7)}$$
例求$f(x,y)=x^2+3xy+y^2$在点(2,1)处的偏导数$f_x(2,1),f_y(2,1)$.
解：把$y$看作常数，对$x$求导得到
$$f_x(x,y)=2x+3y\text{\hspace{1em}(8)}$$
把$x$看作常数，对$y$求导得到
$$f_y(x,y)=3x-2y\text{\hspace{1em}(9)}$$
代入$x=2,y=1$，故所求偏导数为：
$$f_x(2,1)=7,f_y(2,1)=4\text{\hspace{1em}(10)}$$
梯度(gradient)是相对一个向量求导的导数：$f$的导数是包含所有偏导数的向量，记作${\nabla }_{x}f(x)$。梯度的第$i$个元素是$f$关于$x_i$的偏导数。在多维情况下，临界点是梯度中所有元素都为零的点。

---

约束优化

有时候,在$x$的所有可能值下最大化或者最小化一个函数$f(x)$不是我们所希望的,相反,我们可能希望在$x$的某些集合$\mathbb{S}$中找到$f(x)$的最大值或者最小值,这个称为约束优化(constrained optimization)
Karush-Kuhu-Tucker(KKT)方法是针对约束优化非常通用的解决方案,KKT方法是Lagrange乘子法(只允许等式约束)的推广

---

参考资料

1. lan Goodfellow,Yoshua Bengio,Aaron Courville.深度学习(中文版).赵申剑,黎彧君,符天凡,李凯,译.北京:人民邮电出版社
2. 郭游瑞,徐应祥,任阿娟,赵志琴.高等数学简明教程.上海:复旦大学出版社