深度学习教程 | 神经网络基础

收藏ShowMeAI查看更多精彩内容

第1门课 神经网络和深度学习，第2周：神经网络的编程基础

本系列为吴恩达老师《深度学习专项课程(Deep Learning Specialization)》学习与总结整理所得，对应的课程视频可以在这里查看。

引言

在ShowMeAI前一篇文章 深度学习概论 中我们对深度学习(Deep Learning)进行了简单介绍：

  • 我们以房价预测为例，对应讲解了神经网络(Neural Network)模型结构和基础知识。
  • 介绍了针对监督学习的几类典型神经网络：Standard NN，CNN和RNN。
  • 介绍了「结构化数据」和「非结构化数据」2种不同类型的数据。
  • 分析了近些年来深度学习热门，及其性能优于传统机器学习的原因(Data，Computation和Algorithms)。

本节内容我们展开介绍神经网络的基础：逻辑回归(Logistic Regression)。我们将通过对逻辑回归模型结构的分析，过渡到后续神经网络模型。(关于逻辑回归模型，大家也可以阅读ShowMeAI的文章 图解机器学习 | 逻辑回归算法详解 学习)

1.算法基础与逻辑回归

逻辑回归(Logistic regression) 是一个用于二分类的算法。

1.1 二分类问题与机器学习基础

二分类 Binary Classification

二分类就是输出\(y\)只有 {0,1} 两个离散值(也有 {-1,1} 的情况)。我们以一个「图像识别」问题为例，判断图片是否是猫。识别是否是「猫」，这是一个典型的二分类问题——0代表「非猫(not cat)」，1代表「猫(cat)」。(关于机器学习基础知识大家也可以查看ShowMeAI文章 图解机器学习 | 机器学习基础知识)。

算法基础与逻辑回归

从机器学习的角度看，我们的输入\(x\)此时是一张图片，彩色图片包含RGB三个通道，图片尺寸为\((64,64,3)\)。

数据与向量化格式

有些神经网络的输入是一维的，我们可以将图片\(x\)(维度\((64,64,3)\))展平为一维特征向量(feature vector)，得到的特征向量维度为\((12288,1)\)。我们一般用列向量表示样本，把维度记为\(n_x\)。

如果训练样本有\(m\)张图片，那么我们用矩阵存储数据，此时数据维度变为\((n_x,m)\)。

数据与向量化格式

  • 矩阵\(X\)的行\(n_x\)代表了每个样本\(x^{(i)}\)特征个数
  • 矩阵\(X\)的列\(m\)代表了样本个数。

我们可以对训练样本的标签\(Y\)也做一个规整化，调整为1维的形态，标签\(Y\)的维度为\((1,m)\)。

1.2 逻辑回归算法

逻辑回归 Logistic Regression

逻辑回归是最常见的二分类算法(详细算法讲解也可阅读ShowMeAI文章 图解机器学习 | 逻辑回归算法详解)，它包含以下参数：

  • 输入的特征向量：\(x \in R^{n_x}\)，其中 \({n_x}\)是特征数量
  • 用于训练的标签：\(y \in 0,1\)
  • 权重：\(w \in R^{n_x}\)
  • 偏置： \(b \in R\)
  • 输出：\(\hat{y} = \sigma(w^Tx+b)\)

输出计算用到了Sigmoid函数，它是一种非线性的S型函数，输出被限定在 \([0,1]\) 之间，通常被用在神经网络中当作激活函数(Activation Function)使用。

逻辑回归做图像分类

Sigmoid函数的表达式如下：

\[s = \sigma(w^Tx+b) = \sigma(z) = \frac{1}{1+e^{-z}} \]

实际上，逻辑回归可以看作非常小的一个神经网络。

1.3 逻辑回归的损失函数

逻辑回归的代价函数 Logistic Regression Cost Function

在机器学习中，损失函数(loss function)用于量化衡量预测结果与真实值之间的差距，我们会通过优化损失函数来不断调整模型权重，使其最好地拟合样本数据。

在回归类问题中，我们会使用均方差损失(MSE)：

\[L(\hat{y},y) = \frac{1}{2}(\hat{y}-y)^2 \]

逻辑回归的损失函数

但是在逻辑回归中，我们并不倾向于使用这样的损失函数。逻辑回归使用平方差损失会得到非凸的损失函数，它会有很多个局部最优解。梯度下降法可能找不到全局最优值，从而给优化带来困难。

因此我们调整成使用对数损失(二元交叉熵损失)：

\[L(\hat{y},y) = -(y\log\hat{y})+(1-y)\log(1-\hat{y}) \]

逻辑回归的损失函数

刚才我们给到的是单个训练样本中定义的损失函数，它衡量了在单个训练样本上的表现。我们定义代价函数(Cost Function，或者称作成本函数)为全体训练样本上的表现，即\(m\)个样本的损失函数的平均值，反映了\(m\)个样本的预测输出与真实样本输出\(y\)的平均接近程度。

成本函数的计算公式如下：

\[J(w,b) = \frac{1}{m}\sum_{i=1}^mL(\hat{y}^{(i)},y^{(i)}) \]

2.梯度下降法(Gradient Descent)

梯度下降 Gradient Descent

刚才我们了解了损失函数(Loss Function)与成本函数定义，下一步我们就要找到最优的\(w\)和\(b\)值，最小化\(m\)个训练样本的Cost Function。这里用到的方法就叫做梯度下降(Gradient Descent)算法。

在数学上，1个函数的梯度(gradient)指出了它的最陡增长方向。也就是说，沿着梯度的方向走，函数增长得就最快。那么沿着梯度的负方向走，函数值就下降得最快。

（更详细的最优化数学知识可以阅读ShowMeAI文章 图解AI数学基础 | 微积分与最优化）

模型的训练目标是寻找合适的\(w\)与\(b\)以最小化代价函数值。我们先假设\(w\)与\(b\)都是一维实数，则代价函数\(J\)关于\(w\)与\(b\)的图如下所示：

梯度下降法

上图中的代价函数\(J\)是一个凸函数，只有一个全局最低点，它能保证无论我们初始化模型参数如何(在曲面上任何位置)，都能够寻找到合适的最优解。

基于梯度下降算法，得到以下参数\(w\)的更新公式：

\[w := w - \alpha\frac{dJ(w, b)}{dw} \]

公式中\(\alpha\)为学习率，即每次更新的\(w\)的步长。

成本函数\(J(w, b)\)中对应的参数\(b\)更新公式为：

\[b := b - \alpha\frac{dJ(w, b)}{db} \]

3.计算图(Computation Graph)

计算图 Computation Graph

对于神经网络而言，训练过程包含了两个阶段：前向传播(Forward Propagation)和反向传播(Back Propagation)。

  • 前向传播是从输入到输出，由神经网络前推计算得到预测输出的过程
  • 反向传播是从输出到输入，基于Cost Function对参数\(w\)和\(b\)计算梯度的过程。

下面，我们结合一个例子用计算图(Computation graph)的形式来理解这两个阶段。

3.1 前向传播(Forward Propagation)

假如我们的Cost Function为\(J(a,b,c)=3(a+bc)\)，包含\(a\)、\(b\)、\(c\)三个变量。

我们添加一些中间变量，用\(u\)表示\(bc\)，\(v\)表示\(a+u\)，则\(J=3v\)。

整个过程可以用计算图表示：

计算图

在上图中，我们让\(a=5\)，\(b=3\)，\(c=2\)，则\(u=bc=6\)，\(v=a+u=11\)，\(J=3v=33\)。

计算图中，这种从左到右，从输入到输出的过程，就对应着神经网络基于\(x\)和\(w\)计算得到Cost Function的前向计算过程。

3.2 反向传播(Back Propagation)

计算图导数 Derivatives with a Computation Graph

我们接着上个例子中的计算图讲解反向传播，我们的输入参数有\(a\)、\(b\)、\(c\)三个。

① 先计算\(J\)对参数\(a\)的偏导数

计算图

从计算图上来看，从右到左，\(J\)是\(v\)的函数，\(v\)是\(a\)的函数。基于求导链式法则得到：

\[\frac{\partial J}{\partial a}=\frac{\partial J}{\partial v}\cdot \frac{\partial v}{\partial a}=3\cdot 1=3 \]

② 计算\(J\)对参数\(b\)的偏导数

计算图

从计算图上来看，从右到左，\(J\)是\(v\)的函数，\(v\)是\(u\)的函数，\(u\)是\(b\)的函数。同样可得：

\[\frac{\partial J}{\partial b}=\frac{\partial J}{\partial v}\cdot \frac{\partial v}{\partial u}\cdot \frac{\partial u}{\partial b}=3\cdot 1\cdot c=3\cdot 1\cdot 2=6 \]

③ 计算\(J\)对参数\(c\)的偏导数

计算图

此时从右到左，\(J\)是\(v\)的函数，\(v\)是\(u\)的函数，\(u\)是\(c\)的函数。可得：

\[\frac{\partial J}{\partial c}=\frac{\partial J}{\partial v}\cdot \frac{\partial v}{\partial u}\cdot \frac{\partial u}{\partial c}=3\cdot 1\cdot b=3\cdot 1\cdot 3=9 \]

这样就完成了从右往左的反向传播与梯度(偏导)计算过程。

4.逻辑回归中的梯度下降法

逻辑回归的梯度下降 Logistic Regression Gradient Descent

回到我们前面提到的逻辑回归问题，我们假设输入的特征向量维度为2(即\([x_1, x_2]\))，对应权重参数\(w_1\)、\(w_2\)、\(b\)得到如下的计算图：

逻辑回归中的梯度下降法

反向传播计算梯度

① 求出\(L\)对于\(a\)的导数

逻辑回归中的梯度下降法

② 求出\(L\)对于\(z\)的导数

逻辑回归中的梯度下降法

③ 继续前推计算

逻辑回归中的梯度下降法

④ 基于梯度下降可以得到参数更新公式

逻辑回归中的梯度下降法

梯度下降的例子 Gradient Descent on m Examples

逻辑回归中的梯度下降法

前面提到的是对单个样本求偏导和应用梯度下降算法的过程。对于有\(m\)个样本的数据集，Cost Function \(J(w,b)\)、\(a^{(i)}\) 和 权重参数\(w_1\) 的计算如图所示。

完整的Logistic回归中某次训练的流程如下，这里仅假设特征向量的维度为2：

J=0; dw1=0; dw2=0; db=0;
for i = 1 to m
    z(i) = wx(i)+b;
    a(i) = sigmoid(z(i));
    J += -[y(i)log(a(i))+(1-y(i))log(1-a(i));
    dz(i) = a(i)-y(i);
    dw1 += x1(i)dz(i);
    dw2 += x2(i)dz(i);
    db += dz(i);
J /= m;
dw1 /= m;
dw2 /= m;
db /= m;

接着再对\(w_1\)、\(w_2\)、\(b\)进行迭代。

上述计算过程有一个缺点：整个流程包含两个for循环。其中：

  • 第一个for循环遍历\(m\)个样本
  • 第二个for循环遍历所有特征

如果有大量特征，在代码中显示使用for循环会使算法很低效。向量化可以用于解决显式使用for循环的问题。

5.向量化(Vectorization)

向量化 Vectorization

继续以逻辑回归为例，如果以非向量化的循环方式计算\(z=w^Tx+b\)，代码如下：

z = 0;
for i in range(n_x):
    z += w[i] * x[i]
z += b

基于向量化的操作，可以并行计算，极大提升效率，同时代码也更为简洁：
(这里使用到python中的numpy工具库，想了解更多的同学可以查看ShowMeAI的 图解数据分析 系列中的numpy教程，也可以通过ShowMeAI制作的 numpy速查手册 快速了解其使用方法)

z = np.dot(w, x) + b

不用显式for循环，实现逻辑回归的梯度下降的迭代伪代码如下：

\[Z=w^TX+b=np.dot(w.T, x) + b \]

\[A=\sigma(Z) \]

\[dZ=A-Y \]

\[dw=\frac{1}{m}XdZ^T \]

\[db=\frac{1}{m}np.sum(dZ) \]

\[w:=w-\sigma dw \]

\[b:=b-\sigma db \]

参考资料

ShowMeAI系列教程推荐

推荐文章

posted @ 2022-04-14 04:29  ShowMeAI  阅读(118)  评论(0)  编辑  收藏  举报