1.视频网站:mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c
2.详细笔记网站(中文):http://www.ai-start.com/dl2017/
3.github课件+作业+答案:https://github.com/stormstone/deeplearning.ai
1.13 梯度检验 Gradient Checking
梯度检验帮我们节省了很多时间,也可以发现反向传播backprop实施过程中的bug。本节我们看看如何利用它来调试或检验backprop的实施是否正确。
假设你的网络中含有这些参数,W[1]和b[1]…W[L]和b[L]。
为了执行梯度检验,首先要做的就是,把所有参数转换成一个巨大的向量数据,你要做的就是把矩阵W转换成一个向量。
把所有W矩阵转换成向量之后,做连接运算,得到一个巨型向量
θ
\theta
θ。
现在你得到了一个
θ
\theta
θ的代价函数J(即
J
(
θ
)
J(\theta)
J(θ))
J
(
W
[
1
]
,
b
[
1
]
.
.
.
.
.
W
[
L
]
,
b
[
L
]
)
:
J
(
θ
)
J(W^{[1]},b^{[1]}.....W^{[L]},b^{[L]}):J(\theta)
J(W[1],b[1].....W[L],b[L]):J(θ)
接着,你得到与W和b顺序相同的数据,你同样可以把dW[1]和db[1]……dW[L]和db[L]转换成一个新的向量,用它们来初始化大向量 d θ d\theta dθ,它与 θ \theta θ具有相同维度。
注意dW[1]与W[1]具有相同维度,db[1]与b[1]具有相同维度。
那么
d
θ
d\theta
dθ 和代价函数
J
(
θ
)
J(\theta)
J(θ) 的梯度或坡度有什么关系?
这就是实施梯度检验Gradient Checking的过程。
首先,我们要清楚 J 是超参数 θ \theta θ 的一个函数,不论超级参数 θ \theta θ 向量的维度是多少,你可以将 J函数展开为 J ( θ 1 , θ 2 , θ 3 , . . . . . . ) J(\theta_1,\theta_2,\theta_3,......) J(θ1,θ2,θ3,......)。为了实施梯度检验,你要做的就是循环执行,从而对每个 i i i 也就是对每个 θ \theta θ 组成元素计算 d θ a p p r o x [ i ] d\theta_{approx}[i] dθapprox[i]。
上一节已经介绍过,为了更加逼近导数,这里要使用双边误差计算逼近值approximation,即
d
θ
a
p
p
r
o
x
[
i
]
=
J
(
θ
1
,
θ
2
,
.
.
.
.
.
.
θ
i
+
ϵ
,
.
.
.
.
.
.
)
−
J
(
θ
1
,
θ
2
,
.
.
.
.
.
.
θ
i
−
ϵ
,
.
.
.
.
.
.
)
2
ϵ
d\theta_{approx}[i]=\frac{J(\theta_1,\theta_2,......\theta_i+\epsilon,......)-J(\theta_1,\theta_2,......\theta_i-\epsilon,......)}{2\epsilon}
dθapprox[i]=2ϵJ(θ1,θ2,......θi+ϵ,......)−J(θ1,θ2,......θi−ϵ,......)
只对
θ
i
\theta_i
θi增加
ϵ
\epsilon
ϵ,其它项保持不变。因为我们使用的是双边误差,对另一边做同样的操作,只不过是减去
ϵ
\epsilon
ϵ,
θ
\theta
θ其它项全都保持不变。
上一节已经介绍过, d θ a p p r o x [ i ] d\theta_{approx}[i] dθapprox[i]应该逼近 d θ [ i ] = ∂ J ∂ θ i d\theta[i]=\frac{∂J}{∂\theta_i} dθ[i]=∂θi∂J, d θ [ i ] d\theta[i] dθ[i]是代价函数 J J J 的偏导数。
然后你需要对 i i i的每个值都执行这个运算,最后得到两个向量: d θ a p p r o x d\theta_{approx} dθapprox和 d θ d\theta dθ。这2个向量的维度相同,和 θ \theta θ的维度也相同。
你要做的就是验证这些向量是否彼此接近, d θ a p p r o x ≈ d θ d\theta_{approx} \approx d\theta dθapprox≈dθ。
那么如何定义两个向量是否真的接近彼此?
我们可以这样做。
计算这两个向量的欧式距离,
d
θ
a
p
p
r
o
x
[
i
]
−
d
θ
[
i
]
d\theta_{approx}[i] - d\theta[i]
dθapprox[i]−dθ[i]的欧几里得范数(L2范数)。注意这里(
∣
∣
d
θ
a
p
p
r
o
x
[
i
]
−
d
θ
[
i
]
∣
∣
2
||d\theta_{approx}[i] - d\theta[i]||_2
∣∣dθapprox[i]−dθ[i]∣∣2)没有平方,它是误差平方之和,然后求平方根,得到欧式距离。
然后使用向量长度的欧几里得范数归一化,得到梯度检验方程式为
∣
∣
d
θ
a
p
p
r
o
x
[
i
]
−
d
θ
[
i
]
∣
∣
2
∣
∣
d
θ
a
p
p
r
o
x
[
i
]
∣
∣
2
+
∣
∣
d
θ
[
i
]
∣
∣
2
\frac{||d\theta_{approx}[i] - d\theta[i]||_2}{||d\theta_{approx}[i]||_2+||d\theta[i]||_2}
∣∣dθapprox[i]∣∣2+∣∣dθ[i]∣∣2∣∣dθapprox[i]−dθ[i]∣∣2
分母只是用于预防这些向量太小或太大。分母使得这个方程式变成比率。
我们实际执行这个方程式, ϵ \epsilon ϵ可能为10-7。使用这个取值范围内的 ϵ \epsilon ϵ
- 如果你发现计算上述方程式得到的值为10-7或更小,这就很好,因为这意味着导数逼近很有可能是正确的,它的值非常小。
- 如果它的值在10-5范围内,我就要小心了,也许这个值没问题,但我会再次检查这个向量的所有项,确保没有一项误差过大,可能这里有bug。
- 如果它的值大于10-3,我就会担心是否存在bug。这时应该仔细检查所有
θ
\theta
θ项,看是否有一个具体的
i
i
i值,使得
d
θ
a
p
p
r
o
x
[
i
]
d\theta_{approx}[i]
dθapprox[i]和
d
θ
[
i
]
d\theta[i]
dθ[i]差别很大,并用它来追踪一些求导计算是否正确。经过一些调试,直至最终结果是这种非常小的值(10-7),此时你的实施才可能是正确的。
在实现NN时,经常需要执行前向传播foreprop和反向传播backprop。
如果你发现这个梯度检验有一个相对较大的值,你就要小心存在bug。然后开始调试,调试,调试,调试一段时间后,直至得到一个很小的梯度检验值,现在你可以很自信的说,NN实施是正确的。