深度学习的实用层面 —— 1.6 Dropout正则化

除了L2正则化，还有一个非常实用的正则化方法——dropout（随机失活），我们看一下它的工作原理。

假设你在训练上图这样的神经网络，它存在过拟合，这就是dropout所要处理的，我们复制这个神经网络，dropout会遍历网络的每一层，并设置消除神经网络中节点的概率，假设网络中每一层每个节点都以抛硬币的方式设置概率，每个节点得以保留和消除的概率都是0.5，设置完节点概率，我们会消除一些节点，然后删除从该结点进出的连线，最后得到一个节点更少，规模更小的网络，然后使用backprop方式进行训练，这是网络节点精简后的一个样本。

对于其它样本，我们照旧以抛硬币的方式设置概率，保留一类节点集合，删除其它类型的节点集合。对于每个训练样本，我们都将采用一个精简后的神经网络来训练它，这种方法似乎有点怪，单纯遍历节点，编码也是随机的，可它真的有效。不过可想而知，我们针对每个样本训练规模极小的网络，最后你可能会认识到为什么要正则化网络，因为我们在训练极小的网络，如何实施dropout呢？

方法有几种，接下来要讲最常用的，即inverted dropout（反向随机失活），出于完整性考虑，我们用一个三层$(l=3)$网络来举例说明，编码中会有很多涉及到3的地方，这里只举例说明如何在某一层中实施dropout，首先要定义向量d，$d^3$表示一个三层的dropout向量，$d^3=np.random.rand(a3.shape[0],a3.shape[1])<keep-prob$，其中keep-prob是一个具体数字，上个示例中它是0.5，这里是0.8，它表示保留某个隐藏单元的概率，0.8意味着消除任意一个隐藏单元的概率是0.2，它的作用就是生成随机矩阵。如果对$a3$进行因子分解，效果也是一样的，$d3$是一个矩阵，每个样本和每个隐藏单元，其在$d3$中的对应值为1的概率都是0.8，其对应值为0的概率是20%。随机数字小于0.8，它等于1的概率是0.8，等于0的概率是0.2,。

接下来要做的就是从第三层中获取激活函数，这里我们叫它$a3$，$a3$含有要计算的激活函数，$a3=np.multiply(a3,d3)$，这里是元素相乘，也可以写成$a3\ast =d3$，它的作用就是过滤$d3$中所有等于0的元素，而各个元素等于0的概率只有20%，乘法运算最终把$d3$中相应的元素归零。

如果用python实现该算法的话，$d3$是一个布尔型数组，值为True和False，而不是1和0。乘法运算依然有效，python会将true和false翻译为1和0,。

最后我们向外扩展$a3$，用它除以0.8或者除于keep-prob参数，下面解释一下为什么要这样做。

为方便起见，假设第三隐层上有50个单元或者50个神经元，我们通过因子分解将它拆分为$(50\ast m)$维的，保留和删除它们的概率分别是80%和20%。这也意味着，最后被删除或归零的单元平均有10个。

现在我们看一下$z^{[4]}$，$z^{[4]}=w^{[4]}\ast a^{[3]}+b^{[4]}$，我们的预期是$a^{[3]}$减少20%，也就是$a^{[3]}$中有20%的元素被归零，为了不影响$z^{[4]}$的期望值，我们需要用$w^{[4]}\ast a^{[3]}/0.8$，这将会修正或者弥补我们所需的那20%，$a^{[3]}$的期望值不会变。

$$a^{[3]}/=keep-prob$$就是所谓的dropout方法，它的功能是不管keep-prob的值是多少，反向随机失活（inverted dropout）方法通过除以keep-prop确保$a^{[3]}$的期望值不变。

事实证明，在测试阶段，当我们评估一个神经网络时，也就是用反向随机失活方法使得测试阶段变得更容易，因为它的数据扩展问题变少。

目前实施dropout最常用的方法就是inverted dropout。dropout早期的迭代版本都没有除于keep-prob，所以在测试阶段，平均值会变得越来越复杂。

现在你使用的是d向量，你会发现，不同的训练样本，清除不同的隐藏单元也不同。实际上，如果你通过相同训练集多次传递数据，每次训练数据的梯度不同，则随机对不同隐藏单元归零。有时却并非如此，比如需要将相同隐藏单元归零，第一次迭代梯度下降时，把一些隐藏单元归零；第二次迭代梯度下降时，也就是第二次遍历训练集时，对不同类型的隐层单元归零，向量d或者d3用来决定第三层中哪些单元归零。无论用foreprop还是backprop。

如何在测试阶段训练算法，在测试阶段，我们已经给出了x或是想预测的变量，用的是标准计数法，用$a^{[0]}$，第0层的激活函数标注为测试样本x，我们在测试阶段不使用dropout函数。因为在测试阶段进行预测时，我们不期望输出结果是随机的，如果测试阶段应用dropout函数，预测会受到干扰。理论上，你只需要多次运行预测处理过程，每一次不同的隐藏单元会被随机归零，预测处理遍历它们，但是计算效率低，得出的结果也几乎相同。

inverted dropout函数在除于keep-prob时可以记住上一步的操作，目的是确保即使在测试阶段不执行dropout来调整数值范围，激活函数的预期结果也不会发生变化，所以没必要在测试阶段额外添加尺度参数。