其他两篇：
深度学习初步，全连接神经网络，MLP从原理到实现（一）原理部分，反向传播详细解释和实际计算例子
深度学习初步，全连接神经网络，MLP从原理到实现（三）实现部分，用java实现MLP
1.激活函数
（1）Sigmoid
Sigmoid将所有输入压缩到0到1之间，这样造成的问题是，当随着神经网络的层次加深时，特征的变化由于sigmoid而慢慢衰减。这样会造成靠近输入层的梯度很小。
（2）ReLU
普通类型的ReLU
ReLU是现在DL流行使用的激活函数，有一些变种。
ReLU实际上是一种线性的函数，
在z<0,σ(z) = 0
在z>0,σ(z) = z
（3）MaxOut
MaxOut可以自适应的训练出激活函数。
将每层的神经元分组，在组内选择最大的z值作为下一层的输入，例如：
这样可以产生不同的激活函数：
组内神经元数不同的效果：
怎么计算梯度呢？
因为取max操作是针对特定样本，比如：
被选中为最大，那么其对应的激活函数就是线性的
，会更新
对应的权重，输入不同的样本，可能选中不同的z，
也可能会被选中更新参数。
还有其他类型的激活函数，可以自己查询。
2.batch size 和 epochs
batch size的来源：将样本分批，每一批样本用来优化损失函数，这其实就是批量梯度下降，分批最好随机。。比如样本有10000个，batch size = 100，那么分批为100批，优化时需要做100次参数更新。
epochs:将样本分批后，一次epoch就是用完所有批次的样本用来梯度下降。例如：样本10000，batch size = 100，epochs = 10，每一个epoch参数更新100次，共10个epoch。
考虑下面的情况：
样本10000：
- batch size = 1，每一个epoch梯度下降10000次，更新10000次参数
- batch size = 10，每一个epoch梯度下降1000次，更新1000次参数
因为单次更新参数，计算梯度时可以并行（大量的矩阵运算可以用gpu并行）的，（2）的bach size更大更利于并行，单次epoch快于（1），但是batch size有限制，太大会占用很多内存。另外如果batch size调的太大，那么此时就直接优化比较多样本的损失（越大越接近总损失），这样容易陷入局部最小值，而batch size小一些就成了批量梯度下降，这样下降时会具有一定的随机性，有利于跳出局部最小。
3.过拟合处理（正则和dropout）
（1）正则
和线性回归和逻辑回归中的正则类似，L1和L2正则项
（2）dropout（提升模型泛化能力）
1）什么是dropout
在训练时，设定概率p，添加dropout的层中的每个神经元有p的概率被丢掉和之相连的所有权重不被更新，注意训练时才会这样操作，预测时不需要。
在预测时需要，如果概率设置p，预测时所有权重需要乘以（1-p），为什么？
如果神经元被扔掉的概率时0.5，训练时可能出现下面的情况：
在预测时，由于多了2个权重，所以计算出的z可能是训练的2倍，为了降低z，每个权重乘以1-p=0.5
2）为什么dropout有效
dropout可以被认为是一种集成学习，这里的集成概念类似于随机森林，adaboost中的集成概念。
因为每次丢掉了一些神经元，每次minibatch训练时神经网络的结构不一样。
预测时，使用了完整的神经网络结构，权重乘以1-p，它的结果会和不同结构的神经网络预测出的平均结果接近。
举个例子：设p=0.5
（1）（2）（3）（4）出现的可能都是1/4。例如（1）x1不被丢掉的概率是0.5，x2不被丢掉的概率是0.5，所以情况（1）出现的可能是0.5*0.5=0.25=1/4。总和计算4中情况的z结果，就是算一个z的期望，
0.25*z(1)+ 0.25*z(2)+ 0.25*z(3)+ 0.25*z(4) = 1/2w1x1+1/2w2x2
这样的结果和图中右下角直接对权重乘以1-p的结果相等。
上述这种情况只有当激活函数是线性时成立，若非线性不成立。
但是非线性激活函数使用dropout任然有效，只是可能没有线性的有效。（关于理论解释暂时不知道）
3.训练DL模型的建议
Keras注意事项：
- 做分类时，label必须要one-hot编码
- 首先关注在训练集上的效果，如果训练集上的效果都不好，那么一定有问题，如果训练集上拟合得比较好，但测试集不太好，这时可以考虑是不是过拟合了
- 损失函数的选择
- 激活函数的选择（见激活函数小节）
- 优化算法的选择（adam是比较好的优化算法）
2120
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
