多层感知机与深度学习算法概述
多层感知机与深度学习算法概述
读研之前那会儿我们曾纠结于机器学习、深度学习、神经网络这些概念的异同。现在看来深度学习这一算法竟然容易让人和他的爸爸机器学习搞混…可见深度学习技术的影响力之大。深度学习,作为机器学习家族中目前最有价值的一种算法,正在悄悄改变着世界以及我们生活。
本本我们就要搞清楚【深度学习】到底是什么?有哪些技术细节?
1. 多层感知机
图1 多层感知机拓扑结构
对于单层神经网络,人们担心它表达能力不足,于是参照仿生结构,想到了带有隐层的神经网络。所有隐藏都可以看成对输入的再次表示,最后的输出层则是一个单层线性神经网络。
2. 从多层感知机到深度学习
2.0 多层感知机的局限
H = X W 1 + b 1 O = H W 2 + b 2 (2-1) H=XW_1+b_1\\ O=HW_2+b_2\tag{2-1} H=XW1+b1O=HW2+b2(2-1)
这是具有单隐层神经网络的输入输出关系。w1、w2、b1、b2分别是隐层、输出层的权重和偏置。这看似参数量比单层神经网络要多,模型的拟合能力应该更好?但如果稍加推导可以发现:
O = ( ( X W 1 + b 1 ) W 2 ) + b 2 = X W 1 W 2 + b 1 W 2 + b 2 = X W 3 + b 3 (2-2) O=((XW_1+b_1)W_2)+b_2\\ =XW_1W_2+b_1W_2+b_2\\ =XW_3+b_3\tag{2-2} O=((XW1+b1)W2)+b2=XW1W2+b1W2+b2=XW3+b3(2-2)
简单的推导可以发现,没有引入非线性单元的多层感知机,就是一个“多层感知鸡”(鸡肋的鸡)。完全可以等效成单层神经网络啊!
那怎么办呢?引入非线性单元啊:每层的输出经过非线性函数后再传给下一层,就没法通过(2-2)的推导转化成单层了。多层感知机+非线性单元——这就是几乎所有深度学习的最基本结构。
2.1 层
- **输入层:**输入层神经元个数必须和输入特征数一致。
- **隐藏层:**隐藏层神经元个数一般多于输入层神经元个数,以起到升维映射的作用,可以更好的提取特征。
- **输出层:**神经元个数应该等于预期输出数目。还可以根据任务不同加上一些激活函数来限制网络输出的值(比如分类问题的softmax)。一般来说,输出层为【全连接层】,全连接层意味着所有的神经元都将由权重建立连接。而输入层和隐藏层一般不是全连接层(比如对于CV这种输入特征非常多的任务)。
当然了,【层,layer】这一概念肯定不止上面3个,但上面3个是所有神经网络共有的层。深度学习发展历程中还出现了一些有关“层”的trick,比如最经典的 卷积层、归一化层、Dropout层等等。。。这些将在深度学习trick中统一梳理。
2.2 块
2.3 非线性单元(激活函数)
激活函数有很多种,但比较常用的就这三种,从此搞明白激活函数的概念。
ReLU(Rectified linear unit):
这是目前最常见的激活函数,可能99%的情况都用这个,因为它能很好的克服反向传播梯度消失的问题。
R e L U ( x ) = m a x ( x , 0 ) (2-3) ReLU(x)=max(x,0)\tag{2-3} ReLU(x)=max(x,0)(2-3)
图2 ReLU函数图像它的导数什么样很好想象吧,就不画了。有一个小小的问题,x=0时不可导啊?没关系 不差这一个点了,因为权重不可能恒等于0,所以我们令x=0处的导数为0即可。
Sigmod:
在ReLU出现之前,这是最常用的激活函数,但是因为其计算有些复杂,影响训练测试速度;更重要的是其会导致梯度消失问题,导致网络层数无法加深。所以现在几乎不咋用这个了。
s i g m o d ( x ) = 1 1 + e − x (2-4) sigmod(x)=\frac{1}{1+e^{-x}}\tag{2-4} sigmod(x)=1+e−x1(2-4)
图3 Sigmod函数图像导数什么样也很好想象吧…就是中间大,两头小,类似正态分布…
Tanh:
这就是Sigmod函数的极端版,更类似阶跃函数(其实阶跃函数才是最具有仿生意义的)。
T a n h ( x ) = 1 − e − 2 x 1 + e − 2 x (2-5) Tanh(x)=\frac{1-e^{-2x}}{1+e^{-2x}}\tag{2-5} Tanh(x)=1+e−2x1−e−2x(2-5)
图4 Tanh函数图像
导数就。。更尖了。
这里没提softmax,softmax看上去是一种非线性单元,但其实可以证明还是起到线性的作用,之前讲过,这里省略了。
2.4 数据集
当你要从零开始做一个预测任务时(可能是CV/NLP,可能是det、seg、ocr…),**你最应该关注的并不是作为算法核心的模型,而是数据。**巧妇难为无米之炊,再nb的模型,没有高质量、高数量的数据,也不会有更好的效果,反而有更差的效果。数据与模型的关系在[2.5]节中讨论。
对于成熟的深度学习搭建框架,一般会把数据集分成三类:
训练集(train dataset)、验证集(validation dataset)、测试集(test dataset)。
然而为了省事,验证集和测试集一般设置成一样的,这一点影响不大。但是你最好应该分清楚训练、验证、测试这3个过程,特别是验证和测试的区别:
验证:在训练过程中,每n个epoch跑一次验证集的数据,进行一次验证,用来观察当前选取模型(网络+超参数)的拟合能力和泛化能力。
测试:在完全完成训练之后,最终跑一次测试集数据,用来评估模型训练的最终结果。
2.4 训练与推理
训练和推理是深度学习(也是大部分机器学习算法)最基本的两个动作。
- 训练过程:一次正向传播(forwad)+一次反向传播(backward),为一次迭代(iteration);一次迭代使用的数据叫一个批量(batch);对训练集全部数据完整迭代过一次,称为一个周期(epoch)。
- 推理过程:比训练过程简单很多,一般来说推理的批量为1,即一次只推理一个数据。推理过程只包括一次正向传播,不需要记录梯度。
以下过程我们按只有一个隐藏层的多层感知机来推导。
网络模型:输入x,标签y,隐藏层前具有一个激活函数φ,输入层参数W1,隐藏层参数W2,输出o,损失函数l,正则项s。
2.4.1 正向传播
沿网络输入,逐层计算到网络输出、目标函数。
输入层输出:
z = W 1 x (2-6) z=W_1x\tag{2-6} z=W1x(2-6)激活函数输出:
h = φ ( z ) (2-7) h=φ(z)\tag{2-7} h=φ(z)(2-7)输出层输出:
o = W 2 h (2-8) o=W_2h\tag{2-8} o=W2h(2-8)损失:
L = l ( o , y ) (2-9) L=l(o,y)\tag{2-9} L=l(o,y)(2-9)正则项:
s = ω 2 ( ∣ ∣ W 1 ∣ ∣ 2 2 + ∣ ∣ W 2 ∣ ∣ 2 2 ) (2-10) s=\frac{\omega}{2}(||W_1||_2^2+||W_2||_2^2)\tag{2-10} s=2ω(∣∣W1∣∣22+∣∣W2∣∣22)(2-10)目标函数:
J = L + s (2-11) J=L+s\tag{2-11} J=L+s(2-11)
2.4.2 反向传播
反向传播需要计算目标函数关于各个层参数的梯度(偏导),由于多层感知机的拓扑结构,只能从目标函数到损失函数、到输出、到隐藏层。。。到输入,从后向前地计算各层的梯度。
参照(2-11)、(2-9)计算目标函数关于输出o的梯度:
∂ J ∂ o = p r o d ( ∂ J ∂ L , ∂ L ∂ o ) = ∂ L ∂ o (2-12) \frac{\partial J}{\partial o}=prod(\frac{\partial J}{\partial L},\frac{\partial L}{\partial o})=\frac{\partial L}{\partial o}\tag{2-12} ∂o∂J=prod(∂L∂J,∂o∂L)=∂o∂L(2-12)
J对于L的偏导明显是1,不解释吧…参照(2-10)计算正则项关于W1、W2的梯度:
∂ s ∂ W 1 = ω W 1 ∂ s ∂ W 2 = ω W 2 (2-13) \frac{\partial s}{\partial W_1}=\omega W_1\\ \frac{\partial s}{\partial W_2}=\omega W_2\tag{2-13} ∂W1∂s=ωW1∂W2∂s=ωW2(2-13)参照(2-11)、(2-8)计算目标函数关于隐层参数W2的梯度:
∂ J ∂ W 2 = p r o d ( ∂ J ∂ o , ∂ o ∂ W 2 ) + p r o d ( ∂ J ∂ s , ∂ s ∂ W 2 ) = ∂ L ∂ o h T + ω W 2 (2-14) \frac{\partial J}{\partial W_2}=prod(\frac{\partial J}{\partial o},\frac{\partial o}{\partial W_2})+prod(\frac{\partial J}{\partial s},\frac{\partial s}{\partial W_2})\\ =\frac{\partial L}{\partial o}h^T+\omega W_2\tag{2-14} ∂W2∂J=prod(∂o∂J,∂W2∂o)+prod(∂s∂J,∂W2∂s)=∂o∂LhT+ωW2(2-14)
同样,J对s的偏导是1参照(2-8)计算目标函数关于隐藏变量h的梯度:
∂ J ∂ h = p r o d ( ∂ J ∂ o , ∂ o ∂ h ) = W 2 T ∂ L ∂ o (2-15) \frac{\partial J}{\partial h}=prod(\frac{\partial J}{\partial o},\frac{\partial o}{\partial h})=W_2^T\frac{\partial L}{\partial o}\tag{2-15} ∂h∂J=prod(∂o∂J,∂h∂o)=W2T∂o∂L(2-15)参照(2-7)反向穿过激活函数φ计算目标函数关于输入层输出z的梯度:
∂ J ∂ z = p r o d ( ∂ J ∂ h , ∂ h ∂ z ) = ∂ J ∂ h ⋅ φ ′ ( z ) (2-16) \frac{\partial J}{\partial z}=prod(\frac{\partial J}{\partial h},\frac{\partial h}{\partial z})=\frac{\partial J}{\partial h}\cdotφ^{'}(z)\tag{2-16} ∂z∂J=prod(∂h∂J,∂z∂h)=∂h∂J⋅φ′(z)(2-16)
这里的’.'是向量内积,因为激活函数是逐元素计算的,这里计算梯度要用向量内积。
最后,我们可以得出目标函数关于W1的梯度:
∂ J ∂ W 1 = p r o d ( ∂ J ∂ z , ∂ z ∂ W 1 ) + p r o d ( ∂ J ∂ s , ∂ s ∂ W 1 ) = ∂ J ∂ z x T + ω W 1 (2-17) \frac{\partial J}{\partial W_1}=prod(\frac{\partial J}{\partial z},\frac{\partial z}{\partial W_1})+prod(\frac{\partial J}{\partial s},\frac{\partial s}{\partial W_1})\\ =\frac{\partial J}{\partial z}x^T+\omega W_1\tag{2-17} ∂W1∂J=prod(∂z∂J,∂W1∂z)+prod(∂s∂J,∂W1∂s)=∂z∂JxT+ωW1(2-17)至此我们就求出了该多层感知机的所有权重梯度。按(2-14)、(2-17)引用优化器策略更新权重即可。
2.5 过拟合与欠拟合
过拟合与欠拟合表示模型在经过训练后的状态,但这种状态与数据情况、模型情况都紧密相关。
图5 过拟合与欠拟合
这两种状态直观上可由训练损失与泛化损失界定;背后由模型复杂度和数据规模决定。
直观上:
当泛化损失大于训练损失时,我们就可以称模型此时在该数据集上处于过拟合状态;
当训练损失处于较大时,我们可以称模型此时在数据集上处于欠拟合状态。
背后:
当模型复杂度(参数规模)越高、数据集规模越小,越容易处于过拟合状态。
当模型复杂度(参数规模)越低、数据集规模越大,越容易处于欠拟合状态。
关于此的一些讨论:
- 所以你现在知道当你的模型处于欠拟合和过拟合时应该怎么做了吧,是调整模型,还是调整数据?
- 欠拟合一定是一件坏事,宁可过拟合也不要欠拟合。
- 换个角度看过拟合,模型过拟合了,那一定效果就很差吗?不一定,可能只是泛化损失略高于训练损失,但泛化损失并没有太大,模型也能有非常好的效果(只是离最佳状态稍微过火了一点点)。因此,宁可略微过拟合,也不要欠拟合。
- 过拟合一定是坏事吗?表面看上去是的,模型泛化能力不佳,应用时可能就会出问题。但!万一有一种数据集,可以保证它的分布和隐含的数据总体分布一致呢?比如NLP领域的预训练,就是要在预训练数据上让模型达到过拟合状态,因为人类的文字和语言意义就是那些,学完了就了事了。但CV领域并不是这样,似乎很难有某种数据集能和世间图像数据的总体分布达到一致,这也是CV领域预训练技术的难题之一。
总结
本文试图:
- 从多层感知机的问题出发,引出深度学习算法。
- 对深度学习算法的基本组成介绍明白。
- 深度学习实现效果的总体评价方法做一个介绍。
诚然,时至今日 深度学习是一个较大的计算机科学领域了。深度学习领域又可以分为若干小领域。
按应用场景分:CV、NLP、数据分析…(每个应用场景又分出好多细分领域…)
按算法分:CV的卷积神经网络、NLP的transformer/注意力机制、强化学习…(每个算法也有若干细分算法,适用于各种应用场景)
那么多场景,那么多算法;可能对于每个深度学习从业个体而言 不论是做科研还是工程,第一件要做的事情就是搞清楚自己的细分应用场景+适用的几种算法。以此为中心,向下深挖、向周围辐射,加自己在深度学习领域的认识深度和广度,更好地体会深度学习对我们生活的影响和改变。
多层感知机与深度学习算法概述相关推荐
- dda算法画直线_深度学习算法第一讲感知机数学原理解析及实现
前言 从本篇开始我们将讲解一些机器学习中常用的算法模型及实现原理,本系列会一直更新,把自己走过的弯路都记录下来,也希望后人学习的过程能更顺畅一点. 正文 感知机的理解 感知机属于机器学习算法中 ...
- 大话卷积神经网络CNN,小白也能看懂的深度学习算法教程,全程干货建议收藏!...
来源 | 程序员管小亮 本文创作的主要目的,是对时下最火最流行的深度学习算法的基础知识做一个简介,作者看过许多教程,感觉对小白不是特别友好,尤其是在踩过好多坑之后,于是便有了写这篇文章的想法. 由于文 ...
- 平均年薪30万的深度学习算法工程师,正面临100万的人才缺口
深度学习的突破极大推动了人工智能的发展,并广泛应用在计算机视觉.自然语言处理等领域中.谷歌.百度的IDL.腾讯的AI lab.华为等都在重金布局人工智能,同时,以深度学习为核心技术的人工智能企业不断涌 ...
- 感知器算法的基本原理和步骤_很多情况下,深度学习算法和人脑相似
人脑模拟 深度学习背后的主要原因是人工智能应该从人脑中汲取灵感.此观点引出了"神经网络"这一术语.人 脑中 包含 数 十亿个神经元,它 们 之间有 数 万个 连 接.很多情况下,深 ...
- 脑机接口的深度学习算法
脑机接口的深度学习算法 脑电图控制是一种利用脑信号去控制电子设备和电路的非侵入式技术.目前,脑机接口系统提供了两种信号类型--原始信号和逻辑状态信号(用于开关设备).本文对脑机接口系统的性能进行了探讨 ...
- 深度学习算法及其应用
一.实验目的 二.实验的硬件.软件平台 三.实验内容和步骤 四.思考题 五.实验心得与体会 一.实验目的 1.了解深度学习的基本原理,能够解释深度学习原理: 2.能够使用深度学习开源工具tensorf ...
- 十大值得关注的深度学习算法
随着人工神经网络的应用,深度学习算法训练机器在大量数据上进行复杂的计算.深度学习算法可以让机器能够像人脑那样进行工作和处理数据,并高度依赖于人工神经网络,并基于人脑的结构-功能而工作.以下是十大值得关 ...
- ONNX 浅析:如何加速深度学习算法工程化?
AlphaGo击败围棋世界冠军李世石以来,关于人工智能和深度学习的研究呈现井喷之势. 各种新的算法和网络模型层出不穷,令人眼花缭乱.与之相随的,深度学习的训练和推理框架也在不断的推陈出新,比较著名的有 ...
- 一文梳理深度学习算法演进
来源:https://zhuanlan.zhihu.com/p/464515049 作者:Peter潘欣 编辑:蘑菇先生 学习记涉及语音.图像.nlp.强化学习.隐私保护.艺术创作.目标检测.医疗.压 ...
最新文章
- python怎么读write_Python中怎么读写文件
- 企业网络推广——企业网络推广表示合理采集可助力网站品质提升
- 得到当前python解释器的路径
- 何小鹏谈财务自由:痛苦彷徨,7块钱的快餐只能偷偷吃
- android listview边框颜色,Android实现带有边框的ListView和item的方法
- HTTP Basic Authentication验证WCF Data Service
- android 文件大小排序,android 文件列表排序
- Android iso文件打开,安卓手机iso文件用什么打开?
- grub2 中的boot命令
- 分享200个App移动端模板
- 计算机变量与变量地址,数据缓冲区与变量的地址(更新1)
- 语言学特征进行可读性评估(Readability Assessment)
- mgo 多条件联合查询
- OpenCV图像的基本操作
- Android获取手机IMEI,IMSI, MAC标识和唯一标识的生成
- python获取所有a股股票代码_股票量化分析(一)获取A股列表
- 在Java代码中设置布局/控件
- 使用java -jar 修改SpringBoot项目中application.properties的配置项
- python 导入sklearn时报错: no model named ‘murmurhash‘
- PowerMock注解PowerMockIgnore的使用方法