前情回顾
1 深度学习简介
1.1 深度学习的历史
李宏毅老师带我们简要回顾了深度学习的历史。
- 1958: Perceptron (linear model)
- 1969: Perceptron has limitation
- 1980s: Multi-layer perceptron
- Do not have significant difference from DNN today- 1986: Backpropagation
- Usually more than 3 hidden layers is not helpful- 1989: 1 hidden layer is “good enough”, why deep?
- 2006: RBM initialization (breakthrough)
- 2009: GPU
- 2011: Start to be popular in speech recognition
- 2012: win ILSVRC image competition
感知机(Perceptron)非常像我们的逻辑回归(Logistics Regression)只不过是没有
sigmoid
激活函数。09年的GPU的发展是很关键的,使用GPU矩阵运算节省了很多的时间。
从2012年至今,可以称作是深度学习发展的爆发期,许多新的模型及方法被提出及实现。许多深度学习相关竞赛在这些年举办,也催生了很多优秀的模型。深度学习的网络结构,训练方法,GPU硬件的不断进步,促使其在许多应用领域不断的征服战场。(深度学习(deep learning)发展史)
1.2 深度学习的实现
1.2.1 深度学习的三个步骤
对应前面回归问题提到,回归模型的步骤主要分为三步
- step1:模型假设,选择模型框架(模型种类)
- step2:模型评估,如何判断众多模型的好坏(损失函数)
- step3:模型优化,如何筛选最优的模型(优化求解)
深度学习的步骤也是分为上述三步,具体到深度学习上是指:
- Step1:神经网络(Neural network)
- Step2:模型评估(Goodness of function)
- Step3:选择最优函数(Pick best function)
1.2.2 神经网络
神经网络(Neural network)提出的最初,是把每一个节点,比喻为神经元(Neuron)。
每个Neuron里头发生的计算如下:
其中
x
1
x_1
x1,
x
2
x_2
x2,
x
3
x_3
x3意为输入,
z
z
z将输入进行了线性变换;
σ
(
z
)
\sigma(z)
σ(z)为激活函数,一般为非线性函数(这样可以保证层数间的差别,保证hidden layer的正常运作)。
常见的激活函数为
s
i
g
m
o
i
d
sigmoid
sigmoid函数
此外还有
t
a
n
h
tanh
tanh函数
R
e
L
U
ReLU
ReLU函数
L
e
a
k
y
R
e
L
U
LeakyReLU
LeakyReLU函数
选择激活函数的经验法则
如果输出是0、1值(二分类问题),则输出层选择sigmoid函数,然后其它的所有单元都选择Relu函数。
这是很多激活函数的默认选择,如果在隐藏层上不确定使用哪个激活函数,那么通常会使用Relu激活函数。有时,也会使用tanh激活函数,但Relu的一个优点是:当z是负值的时候,导数等于0,这样会使得学习速度快很多。
sigmoid激活函数:除了在输出层且是一个二分类问题基本不会用它。tanh激活函数:tanh是非常优秀的,几乎适合所有场合。
ReLu激活函数:最常用的默认函数,如果不确定用哪个激活函数,就使用ReLu或者Leaky ReLu。
Neuron以很多不同的连接方式连接起来,这样就会产生不同的结构(structure)。
在这个神经网络里面,我们有很多逻辑回归函数(
z
=
w
x
T
+
b
z=wx^T+b
z=wxT+b),其中每个逻辑回归都有自己的权重(
w
w
w)和自己的偏差(
b
b
b),这些权重和偏差就是参数。
而神经元的连接方式可以通过手动设计实现。
最常见的一种神经网络结构是完全连接前馈神经网络。
所谓完全连接,就是指相邻两层的任意两个神经元间都存在连接关系。
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。
前馈这一概念是重要的,因为在之后的一些网络结构中,会出现信号反馈的情形。
一个典型的前馈神经网络
对于完全链接前馈神经网络,其计算过程,即为逐层计算当前输入在每一个神经元的输出,直到求出 y ^ \hat y y^。而每一个神经元的输出,都需要进行 z z z及 σ ( z ) \sigma (z) σ(z)两步求解。
神经网络到底可以有多深?
2015年发布的Residual Net,有152层。
但无论神经网络有多深,整个神经网络可以看作是通过隐藏层来进行特征转换。
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。
1.2.3 模型评估
对于模型的评估,我们一般采用损失函数来反应模型的好坏,所以对于神经网络来说,我们采用交叉熵(cross entropy)函数来对
y
y
y和
y
^
\hat{y}
y^的损失进行计算,接下来我们就是调整参数,让交叉熵越小越好。
C
=
−
1
n
∑
x
[
y
ln
(
y
^
)
+
(
1
−
y
)
ln
(
1
−
y
^
)
]
C=-\frac{1}{n}\displaystyle\sum_x[y\ln(\hat y)+(1-y)\ln(1-\hat y)]
C=−n1x∑[yln(y^)+(1−y)ln(1−y^)]
对于单个数据的损失如下图:
对于损失,我们不单单要计算一个案例的,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。
1.2.4 选择最优函数
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 θ \theta θ,来最小化总体损失L。
所用的选择最优函数的方法是梯度下降法。
1.3 神经网络的实现
1.3.1 矩阵计算
前面提到,神经网络的层数可以很深。随着层数变多,运算量增大,通常会达到超过亿万级的计算。
对于亿万级的计算,使用loop循环效率很低,需要引入矩阵计算(Matrix Operation)能使得来提高运算的速度以及效率。
for循环计算效率很低,我们应当借助向量化的并行计算来简化这个代码过程,使得计算速度加快,从而减少调试周期。
所谓向量化,就是尽可能的将同类型的单个变量进行方向上的堆叠,再利用线性代数的相关知识进行批量计算。
充分利用python的numpy库具有的向量化计算功能,则单神经元的向量化计算如下(包括梯度下降法)
Z = np.dot(w.T,X) + b
A = sigmoid(Z)
dZ = A - Y
dw = 1/m * X * dZ.T
db = 1/m * np.sum(dZ)
w = w - alpha*dw
b = b - alpha*db
多层神经网络的维度通式:
1.3.2 示例:手写数字识别
举一个手写数字体识别的例子:
输入:一个16*16=256维的向量,每个pixel对应一个dimension,有颜色用(ink)用1表示,没有颜色(no ink)用0表示
输出:10个维度,每个维度代表一个数字的置信度。
在这个问题中,唯一需要的就是一个函数,输入是256维的向量,输出是10维的向量,我们所需要求的函数就是神经网络这个函数。
接下来有几个问题:
- 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。- 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 。- 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 )