P13 深度学习介绍与梯度下降
神经网络的三个步骤
- 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)
Step1:神经网络
神经网络是由很多单元连接而成,这些单元称为神经元。
神经网络类似于人类的神经元,在电信在神经元上传递,类似于的神经网络值传递的过程。
在这个神经网络里面,一个神经元就相当于一个逻辑回归函数,所以上图中有很多逻辑回归函数,其中每个逻辑回归都有自己的权重和自己的偏差,这些权重和偏差就是参数。
图中红框表示的就是神经元,多个神经元以不同的方式进行连接,就会构成不同结构神经网络。神经元的连接方式是由人工设计的。
- 神经元:神经元的结构如图所示
\[Z = \sum_{i==1}^n I_i*W_i\\y = \sigma(Z) \]
- 每个输入乘以其对应的权重,将结果求和,得到\(Z\)
- 将和代入激活函数,得到结果\(y\)
全连接前馈神经网络
全连接:每一个神经元的输出都连接到下一层神经元的每一个神经元,每一个神经元的输入都来自上一层的每一个神经元。
前馈: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。
- 全连接前馈神经网络示例:
- 网络输入为(1, -1),激活函数为sigmoid:
- 网络输入为(0, 0),激活函数为sigmoid:
神经网络结构:
- Input Layer:网络的输入层,Layer的size和真实输入大小匹配。
- Hidden Layers:处于输入层和输出层之间的网络层。
- Output Layer:网络的最后一层,神经元计算产生的结果直接输出,作为模型的输出。
- 为什么叫全连接呢?
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前往后传,所以叫做Feedforward。 - Deep Learning,“Deep”体现在哪里?
神经网络的连接方式由人工设计,所以可以堆叠很多层神经元构成很“深”网络,如上图所示2015年提出的ResNet就达到了152层的深度。
- 深度神经需要特殊的训练技巧
随着层数变多,网络参数增多,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。
网络的运算过程如图所示:
上图中,网络的运算过程可看作是矩阵的运算。
网络的计算方法就像是嵌套,所以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。 这样写成矩阵运算的好处是,你可以使用GPU加速,GPU核心多,可以并行做大量的矩阵运算。
本质:通过隐藏层进行特征转换
隐藏层可以看作是对网络输入层输入特征进行特征处理,在最后一层隐藏层进行输出,这时的输出可以看作一组全新的特征,将其输出给输出层,输出层对这组全新的特征进行分类。
举例: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,将图片展平为一个256维的向量作为网络输入。
输出:10个维度,每个维度代表一个数字的置信度。
从输出结果来看,每一个维度对应输出一个数字,代表模型输出为当前分类数字的概率。说明这张图片是2的可能性就是最大的
在这个问题中,唯一确定的就是,输入是256维的向量,输出是10维的向量,我们所需要找的函数就是输入和输出之间的神经网络这个函数。
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:
- 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 )
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,我们可以采用交叉熵(cross entropy)函数来对 \(y\) 和 \(\hat{y}\) 的损失进行计算,接下来我们就通过调整参数,让交叉熵越小越好。
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\(\theta\),来最小化总体损失\(L\)
Step3:选择最优函数
- 如何找到最优的函数和最好的一组参数?——梯度下降
具体流程:\(\theta\)是一组包含权重和偏差的参数集合,随机找一个初试值,接下来计算一下每个参数对应偏微分,得到的一个偏微分的集合\(\nabla{L}\)就是梯度,有了这些偏微分,我们就可以不断更新梯度得到新的参数,这样不断反复进行,就能得到一组最好的参数使得损失函数的值最小。
反向传播
在神经网络中计算损失最好的方法就是反向传播,我们可以用很多框架来进行计算损失,比如说TensorFlow,theano,Pytorch等等
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。
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?