深度学习
深度学习的发展趋势
回顾一下deep learning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。
深度学习的三个步骤
- 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)
对于深度学习的Step1就是神经网络(Neural Network)
Step1:神经网络
神经网络(Neural network)里面的节点,类似我们的神经元。
神经网络可以有很多不同的连接方式,这样会在这个神经网络里面产生不同的结构(structure),我们有很多逻辑回归函数,其中每个逻辑回归都有自己的权重weight和自己的偏差bias,这些权重和偏差就是参数 θ \theta θ。 这些神经元的连接方式可以手动设计。
完全连接前馈神经网络(Fully Connect Feedforward Network)
1.介绍
概念: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。
当输入0和0时,则得到0.51和0.85,所以一个神经网络如果权重和偏差都知道的话就可以看成一个函数,他的输入是一个向量,对应的输出也是一个向量。不论是做回归模型(linear model)还是逻辑回归(logistics regression)都是定义了一个函数集(function set)。我们可以给上面的结构的参数设置为不同的数,就是不同的函数(function)。这些可能的函数(function)结合起来就是一个函数集(function set)。这个时候你的函数集(function set)是比较大的,是以前的回归模型(linear model)等没有办法包含的函数(function),所以说深度学习(Deep Learning)能表达出以前所不能表达的情况。
2.全连接和前馈的理解
- 输入层(Input Layer):1层
- 隐藏层(Hidden Layer):N层
- 输出层(Output Layer):1层
- 为什么叫全连接:因为layer1和layer2之间两两都有连接,所以叫做Fully Connect;
- 为什么叫前馈:因为现在传递的方向是由后往前传,所以叫做Feedforward。
深度的理解
Deep = Many hidden layer,常见的例子如下图:
- 2012 AlexNet:8层
- 2014 VGG:19层
- 2014 GoogleNet:22层
- 2015 Residual Net:152层
- 101 Taipei:101层
随着层数变多,错误率降低,随之运算量增大,通常都是超过亿万级的计算。对于这样复杂的结构,我们一定不会一个一个的计算,对于亿万级的计算,使用loop循环效率很低。
这里我们就引入矩阵计算(Matrix Operation)能使得我们的运算的速度以及效率高很多:
计算方法:sigmoid(权重w【黄色】 * 输入【蓝色】+ 偏移量b【绿色】)= 输出
其中sigmoid更一般地说是激活函数(activation function),现在已经很少用sigmoid做激活函数。
如果hidder layer有很多层,计算过程如下:
a
1
=
σ
(
w
1
x
+
b
1
)
a
2
=
σ
(
w
1
a
1
+
b
2
)
⋅
⋅
⋅
y
=
σ
(
w
L
a
L
−
1
+
b
L
)
a^1 = \sigma (w^1x+b^1) \\ a^2 = \sigma (w^1a^1+b^2) \\ ··· \\ y = \sigma (w^La^{L-1}+b^L)
a1=σ(w1x+b1)a2=σ(w1a1+b2)⋅⋅⋅y=σ(wLaL−1+bL)
从结构上看每一层的计算都是一样的,也就是用计算机进行并行矩阵运算。 这样写成矩阵运算的好处是,你可以使用GPU加速。
本质:通过隐藏层进行特征转换
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Multi-class Classifier(可以是softmax函数)得到最后的输出y。
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。
从上图看神经网络的结构决定了函数集(function set),所以说网络结构(network structured)很关键。
接下来有几个问题:
- 神经网络有多少层,每层多少个神经元
一般是经验+直觉方式。对于一些机器学习相关问题,一般用特征工程来提取特征;对于深度学习,只需要设计神经网络模型即可。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,如进化人工神经网络(Evolutionary Artificial Neural Networks),但是这些方法不是很普及。
- 可以自己设计网络结构吗
可以,如CNN卷积神经网络(Convolutional Neural Network)
Step2:模型评估
损失示例
对于模型的评估,我们一般采用损失函数来反应模型的好差,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。
对于单个结果而言的计算公式为:
C
r
o
s
s
E
n
t
r
o
p
y
:
C
(
y
,
y
^
)
=
−
∑
i
=
1
10
y
i
^
ln
y
i
Cross Entropy: C(y, \hat{y}) = -\sum_{i=1}^{10}\hat{y_i}\ln y_i
CrossEntropy:C(y,y^)=−i=1∑10yi^lnyi
总体损失
对于损失,我们不单单要计算一笔数据的,而是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。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。
L
=
∑
n
=
1
N
C
n
L = \sum_{n=1}^NC^n
L=n=1∑NCn
Step3:选择最优函数
如何找到最优的函数和最好的一组参数呢,这里使用的就是梯度下降。
具体流程: θ \theta θ是一组包含权重和偏差的参数集合,随机找一个初始值,接下来计算每个参数对应偏微分,得到的一个偏微分的集合 ∇ L \nabla{L} ∇L就是梯度,然后可以通过梯度去不断更新新的参数,从而得到一组最好的参数使得损失函数值最小。
反向传播backpropagation
在神经网络中计算损失一个有效的防范就是反向传播,可以用很多框架来计算损失,如TensorFlow、theano、Pytorch等。
思考
为什么要用深度学习,深层架构带来哪些好处?那是不是隐藏层越多越好?
隐藏层越多越好?
从图中展示的结果看,毫无疑问,层次越深效果越好~~
普遍性定理
参数多的model拟合数据很好是很正常的。下面有一个通用的理论: 对于任何一个连续的函数,都可以用足够多的隐藏层来表示。那为什么我们还需要‘深度’学习呢,直接用一层网络表示不就可以了?在接下来的课程我们会仔细讲到