| ←上一篇 | ↓↑ | 下一篇→ |
|---|---|---|
| 1.11 神经网络的权重初始化 | 回到目录 | 1.13 梯度检验 |
梯度的数值逼近 (Numerical Approximation of Gradients)
在实施backprop时，有一个测试叫做梯度检验，它的作用是确保backprop正确实施。因为有时候，你虽然写下了这些方程式，却不能100%确定，执行backprop的所有细节都是正确的。为了逐渐实现梯度检验，我们首先说说如何计算梯度的数值逼近，下节课，我们将讨论如何在backprop中执行梯度检验，以确保backprop正确实施。
我们先画出函数 f f f ，标记为 f ( θ ) f(\theta) f(θ) ， f ( θ ) = θ 3 f(\theta)=\theta^3 f(θ)=θ3 ，先看一下 θ \theta θ 的值，假设 θ = 1 \theta=1 θ=1 ，不增大 θ \theta θ 的值，而是在 θ \theta θ 右侧，设置一个 θ + ϵ \theta+\epsilon θ+ϵ ，在 θ \theta θ 左侧，设置 θ − ϵ \theta-\epsilon θ−ϵ 。因此 θ = 1 \theta=1 θ=1 ， θ + ϵ = 1.01 \theta+\epsilon=1.01 θ+ϵ=1.01 , θ − ϵ = 0.99 \theta-\epsilon=0.99 θ−ϵ=0.99 ，跟以前一样， ϵ \epsilon ϵ 的值为0.01，看下这个小三角形，计算高和宽的比值，就是更准确的梯度预估，选择 f f f 函数在 θ − ϵ \theta-\epsilon θ−ϵ 上的这个点，用这个较大三角形的高比上宽，技术上的原因我就不详细解释了，较大三角形的高宽比值更接近于 θ \theta θ 的导数，把右上角的三角形下移，好像有了两个三角形，右上角有一个，左下角有一个，我们通过这个绿色大三角形同时考虑了这两个小三角形。所以我们得到的不是一个单边公差而是一个双边公差。
我们写一下数据算式，图中绿色三角形上边的点的值是 f ( θ + ϵ ) f(\theta+\epsilon) f(θ+ϵ) ，下边的点是 f ( θ − ϵ ) f(\theta-\epsilon) f(θ−ϵ) ，这个三角形的高度是 f ( θ + ϵ ) − f ( θ − ϵ ) f(\theta+\epsilon)-f(\theta-\epsilon) f(θ+ϵ)−f(θ−ϵ) ，这两个宽度都是 ε ε ε ，所以三角形的宽度是 2 ϵ 2\epsilon 2ϵ ，高宽比值为 f ( θ + ϵ ) − f ( θ − ϵ ) 2 ϵ \frac{f(\theta+\epsilon)-f(\theta-\epsilon)}{2\epsilon} 2ϵf(θ+ϵ)−f(θ−ϵ) ，它的期望值接近 g ( θ ) g(\theta) g(θ) ， f ( θ ) = θ 3 f(\theta)=\theta^3 f(θ)=θ3 传入参数值， f ( θ + ϵ ) − f ( θ − ϵ ) 2 ϵ = ( 1.01 ) 3 − ( 0.99 ) 3 2 ∗ 0.01 \frac{f(\theta+\epsilon)-f(\theta-\epsilon)}{2\epsilon}=\frac{(1.01)^3-(0.99)^3}{2*0.01} 2ϵf(θ+ϵ)−f(θ−ϵ)=2∗0.01(1.01)3−(0.99)3 ，大家可以暂停视频，用计算器算算结果，结果应该是3.0001，而前面一张幻灯片上面是，当 θ = 1 \theta=1 θ=1 时， g ( θ ) = 3 θ 2 = 3 g(\theta)=3\theta^2=3 g(θ)=3θ2=3 ，所以这两个值非常接近，逼近误差为0.0001，前一张幻灯片，我们只考虑了单边公差，即从 θ \theta θ 到 θ + ϵ \theta+\epsilon θ+ϵ 之间的误差， g ( θ ) g(\theta) g(θ) 的值为3.0301，逼近误差是0.03，不是0.0001，所以使用双边误差的方法更逼近导数，其结果接近于3，现在我们更加确信， g ( θ ) g(\theta) g(θ) 可能是 f f f 导数的正确实现，在梯度检验和反向传播中使用该方法时，最终，它与运行两次单边公差的速度一样，实际上，我认为这种方法还是非常值得使用的，因为它的结果更准确。
这是一些你可能比较熟悉的微积分的理论，如果你不太明白我讲的这些理论也没关系，导数的官方定义是针对值很小的 ϵ \epsilon ϵ ，导数的官方定义是 f ′ ( θ ) = f ( θ + ϵ ) − f ( θ − ϵ ) 2 ϵ f^\prime(\theta)=\frac{f(\theta+\epsilon)-f(\theta-\epsilon)}{2\epsilon} f′(θ)=2ϵf(θ+ϵ)−f(θ−ϵ) ，如果你上过微积分课，应该学过无穷尽的定义，我就不在这里讲了。
对于一个非零的 ϵ \epsilon ϵ ，它的逼近误差可以写成 O ( ϵ 2 ) O(\epsilon^2) O(ϵ2) ， ε ε ε 值非常小，如果 ϵ = 0.01 \epsilon=0.01 ϵ=0.01 ， ϵ 2 = 0.0001 \epsilon^2=0.0001 ϵ2=0.0001 ，大写符号 O O O 的含义是指逼近误差其实是一些常量乘以 ϵ 2 \epsilon^2 ϵ2 ，但它的确是很准确的逼近误差，所以大写 O O O 的常量有时是1。然而，如果我们用另外一个公式逼近误差就是 O ( ϵ ) O(\epsilon) O(ϵ) ，当 ϵ \epsilon ϵ 小于1时，实际上 ϵ \epsilon ϵ 比 ϵ 2 \epsilon^2 ϵ2 大很多，所以这个公式近似值远没有左边公式的准确，所以在执行梯度检验时，我们使用双边误差，即 f ( θ + ϵ ) − f ( θ − ϵ ) 2 ϵ \frac{f(\theta+\epsilon)-f(\theta-\epsilon)}{2\epsilon} 2ϵf(θ+ϵ)−f(θ−ϵ) ，而不使用单边公差，因为它不够准确。
如果你不理解上面两条结论，所有公式都在这儿，不用担心，如果你对微积分和数值逼近有所了解，这些信息已经足够多了，重点是要记住，双边误差公式的结果更准确，下节课我们做梯度检验时就会用到这个方法。
今天我们讲了如何使用双边误差来判断别人给你的函数 g ( θ ) g(\theta) g(θ) ，是否正确实现了函数 f f f 的偏导，现在我们可以使用这个方法来检验反向传播是否得以正确实施，如果不正确，它可能有bug需要你来解决。
课程PPT
| ←上一篇 | ↓↑ | 下一篇→ |
|---|---|---|
| 1.11 神经网络的权重初始化 | 回到目录 | 1.13 梯度检验 |
518
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
