文章目录
深度学习介绍
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 the best function)
Step1:神经网络(Neural Network)
完全连接前馈神经网络
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。
- 给定神经网络的结构,本质上相当于定义一个函数集合。
下图为输入为1和-1的时候经过一系列复杂的运算得到的结果,最终输出为0.62和0.83:
下图为输入为0和0的时候经过一系列复杂的运算得到的结果,最终输出为0.51和0.85:
上图中的每一层的连接都相当于一个函数
y
=
w
1
∗
x
1
+
w
2
∗
x
2
+
b
y=w_1*x_1+w_2*x_2+b
y=w1∗x1+w2∗x2+b,其中,[
w
1
,
w
2
w_1,w_2
w1,w2]为权重,
b
b
b为偏差,得到的函数值
y
y
y再经过Sigmoid Function(激活函数)转化,然后成为下一层的输入(最后一层为输出)。
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,其输入是一个向量,对应的输出也是一个向量。
- 完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
- 为什么叫完全连接呢?
- 因为layer1与layer2之间两两都有连接,所以叫做Fully Connect。
- 为什么叫前馈呢?
- 因为现在传递的方向是由后往前传,所以叫做Feedforward。
What is Deep
- Deep = Many hidden layer。
深度学习即指包含很多隐藏层的网络。
随着层数变多,错误率降低,随之运算量增大。
而矩阵计算(Matrix Operation)能使得我们的运算的速度以及效率高很多,因为可以使用GPU加速。
看起来整个神经网络运算就相当于一连串的矩阵运算。
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。
- 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(可以是softmax函数)得到最后的输出。
- 注意:输入和输出的维度不一定相同,比如在手写数字识别试验中,输入是256维的向量,输出是10维的向量。
Step2:模型评估(Goodness of function)
- 对于模型的评估,我们一般采用损失函数来反映模型的好坏,而对于神经网络来说,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。然后要调整参数,让交叉熵越小越好。
- 总体损失:对于损失,我们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。
Step3:选择最优函数(Pick the best function)
- 梯度下降法
反向传播机制
链式法则
- 连锁影响(可以看出x会影响y,y会影响z)
- BP主要用到了chain rule
反向传播
- 损失函数(Loss function)是定义在单个训练样本上的,也就是就算一个样本的误差,用L表示。
- 总体损失函数(Total loss function)是定义在整个训练集上面的,也就是所有样本的误差的总和。也就是平时我们反向传播需要最小化的值。
- 代价函数(Cost function)是定义在整个训练集上面的,也就是所有样本的误差的总和的平均,也就是损失函数的总和(总体损失函数)的平均,有没有这个平均其实不会影响最后的参数的求解结果。
取出一个Neuron进行分析
从这一小部分中去看,把计算梯度 ∂ l ∂ w \frac{\partial l}{\partial w} ∂w∂l分成两个部分:
- 计算 ∂ z ∂ w \frac{\partial z}{\partial w} ∂w∂z(Forward pass的部分)
- 计算 ∂ l ∂ z \frac{\partial l}{\partial z} ∂z∂l ( Backward pass的部分 )
Forward Pass
- 计算 ∂ z ∂ w \frac{\partial z}{\partial w} ∂w∂z
根据求微分原理,forward pass的运算规律就是:
∂
z
∂
w
1
=
x
1
∂
z
∂
w
2
=
x
2
\frac{\partial z}{\partial w_1} = x_1 \\ \frac{\partial z}{\partial w_2} = x_2
∂w1∂z=x1∂w2∂z=x2
- 这里计算得到的
x
1
x_1
x1和
x
2
x_2
x2恰好就是输入的
x
1
x_1
x1和
x
2
x_2
x2
Backward Pass
- 计算
∂
l
∂
z
\frac{\partial l}{\partial z}
∂z∂l
上图 a = σ ( z ) a={\sigma}(z) a=σ(z)使用Sigmoid函数。
这里使用链式法则(Chain Rule):
可以想象从另外一个角度看这个事情:现在有另外一个神经元,把forward的过程逆向过来,其中
σ
′
(
z
)
{\sigma}'(z)
σ′(z)是常数,因为它在向前传播的时候就已经确定了。
- 如果
∂
l
∂
z
′
\frac{\partial l}{\partial z'}
∂z′∂l和
∂
l
∂
z
′
′
\frac{\partial l}{\partial z''}
∂z′′∂l是最后一层的隐藏层,也就是就是y1与y2是输出值,那么直接计算就能得出结果。
- 如果不是最后一层,计算
∂
l
∂
z
′
\frac{\partial l}{\partial z'}
∂z′∂l和
∂
l
∂
z
′
′
\frac{\partial l}{\partial z''}
∂z′′∂l的话就需要继续往后一直通过链式法则算下去。
对于这个问题,我们要继续计算后面绿色的 ∂ l ∂ z a \frac{\partial l}{\partial z_a} ∂za∂l和 ∂ l ∂ z b \frac{\partial l}{\partial z_b} ∂zb∂l,然后通过继续乘 w 5 w_5 w5和 w 6 w_6 w6得到 ∂ l ∂ z ′ \frac{\partial l}{\partial z'} ∂z′∂l,但是要是 ∂ l ∂ z a \frac{\partial l}{\partial z_a} ∂za∂l和 ∂ l ∂ z b \frac{\partial l}{\partial z_b} ∂zb∂l都不知道,那么我们就继续往后面层计算,一直到碰到输出值,得到输出值之后再反向往输入那个方向走。
示如下图:
我们可以从最后一个 ∂ l ∂ z 5 \frac{\partial l}{\partial z_5} ∂z5∂l和 ∂ l ∂ z 6 \frac{\partial l}{\partial z_6} ∂z6∂l看,因为 ∂ l ∂ z a \frac{\partial l}{\partial z_a} ∂za∂l和 ∂ l ∂ z b \frac{\partial l}{\partial z_b} ∂zb∂l比较容易通过output求出来,然后继续往前求 ∂ l ∂ z 3 \frac{\partial l}{\partial z_3} ∂z3∂l和 ∂ l ∂ z 4 \frac{\partial l}{\partial z_4} ∂z4∂l,再继续求 ∂ l ∂ z 1 \frac{\partial l}{\partial z_1} ∂z1∂l和 ∂ l ∂ z 2 \frac{\partial l}{\partial z_2} ∂z2∂l……
最后我们就得到下图的结果:
- 实际上进行Backward Pass时候和向前传播的计算量差不多。