从逻辑回归开始入门深度学习

从逻辑回归开始入门深度学习

本文主要来源于吴恩达《深度学习与神经网络》。本文根据课程内容做一个串联。

本文内容安排如下:

  • 符号定义
  • 逻辑回归LR:定义、实现、高效实现
  • 浅层神经网络(2层):实现、优化
  • 深度神经网络:实现、优化、应用

我们以一个分类问题作为研究背景。研究问题为判断输入图片是否为猫咪的二分类。

符号定义

在解决问题之前,我们先对使用的数学符号做一个定义:

  • (x, y): 输入样本; x ∈ \(R^{n_x}\), y ∈ {0, 1}
  • {\((x^{(1)}, y^{(1)}), (x^{(2)}, y^{(2)})... (x^{(m)}, y^{(m)})\)}: 训练数据集,包含m个训练样本
  • [a,b,c,.....,z].T: 向量,默认情况下,向量指的是列向量
  • \(m = m_{train}\), \(m_{test}\)=#test examples
  • $X \in R^{n_x * m} \(: 训练集,训练样本以**列的方式**进行堆叠,换言之,X矩阵的每一列是一个样本,而不是行; X.shape = (\)n_x$, m)
  • \(Y \in R^{1*m}\): 训练标签,标签以列的方式进行堆叠, \(Y.shape = (1,m)\)

逻辑回归

在介绍逻辑回顾处理图片分类。我们处理的问题是二分类,输入一张图片判断图片中是否有猫。输入图片格式为RGB三色图,像素取值为0~255。

img

原理介绍

逻辑回归用于处理二分类问题。逻辑回归中\(\hat{h} = P(y=1|x)\)用于计算输入样本为1的概率。以单个样本为例,其计算公式为

\[\hat{y} = sigmoid(w^Tx+b) \]

其中,\(x \in R^{n_x}\), \(w \in R^{n_x}\) ,\(b \in R\)。输出结果的取值范围为[0, 1]。

逻辑回归其实是线性回归的进一步加工,线性回归计算结果的取值范围为\((-\infty, +\infty)\),我们将线性回归的计算结果使用sigmoid将范围压缩到[0, 1].

Sigmoid是一种非线性的S型函数,取值范围在[0, 1],这种输出值可以别理解为概率表示。Sigmoid函数的计算公式和曲线如下。

\[Sigmoid(z) = \frac{1}{1+e^{-z}} \]

Sigmoid

从上图可以看出,sigmoid取值范围为[0, 1],当自变量z非常小时,sigmoid趋近于0;当z非常大时,sigmoid趋近于1(实际上当z=10时,输出值为0.9999,非常趋近于1)。

Loss function

我们现在知道了如何使用逻辑回归计算一个样本为正例的概率,那么如何评估模型的好坏呢?这就依赖于损失函数。

给定一个样本\((x^{(i)}, y^{(i)})\),使用逻辑回归计算这个样本为正例的概率P(y=1|x),

\[\hat{y}^{(i)} = \sigma(w^Tx^{(i)} + b), where \ \sigma(z)=\frac{1}{1+e^{-z}} \]

理想情况下,输出结果\(\hat y\)应该和样本标签y尽可能相等,即\(\hat y^{(i)} \approx y^{(i)}\)

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

当y=1时,\(L(\hat y, y)=-log\hat y\);当y=0时,\(L(\hat y, y) = -log(1-\hat y)\).

在全部训练样本上,损失函数cost function为

\[J(w, b) = \frac1{m}\sum_{i=1}^m L(\hat y, y) = -\frac1{m}\sum_{i=1}^m[y^{(i)}log\hat y^{(i)} + (1-y^{(i)})log(1-\hat y^{(i)})] \]

损失函数是参数w,b的函数,我们想要通过最小化损失函数找到最佳的参数w,b,最后用于样本的预测[通过最小化损失函数,我们可以保证预测结果与真实样本标签之间差距尽可能小,进而保证预测结果的准确性]。

LR损失函数可以使用最大似然估计来进行推导。

Gradient Descent

知道了模型的损失函数,接下来就是通过最小化损失函数得到最终的参数w,b。常用的方法是使用梯度下降法,使用当前位置的偏导数对参数进行更新,反复多次后,损失函数到达最低点,此时w,b即为最终结果。

Gradient Descent

使用梯度下降算法,w,b的更新公式如下:

\[w = w - \alpha \frac{\partial J(w, b)}{\partial w} \\b = b - \alpha \frac{\partial J(w, b)}{\partial b} \]

其中,\(\alpha\)为学习率,含义是每次参数更新的步幅;如果\(\alpha\)过大,导致参数更新幅度过大,可能会错过模型的最优值;如果\(\alpha\)过下,导致每次更新幅度很小,模型需要更多的迭代次数才能收敛。在程序代码中,我们使用dw表示\(\frac{\partial J(w, b)}{\partial w}\), db表示\(\frac{\partial J(w, b)}{\partial b}\).

计算图

神经网络的计算过程一般分为两个阶段:前向传播和反向传播。使用计算图来描述计算过程更清晰:将整个计算过程分步骤进行计算。

假设J(a, b, c) = 3(a + bc),其中a=5, b=3, c=2.这个计算过程可以使用计算图来描述,如:

设定u = bc, v = a + u, J=3v.

反向传播过程,需要计算da, db, dc.此时,可以通过计算图依据链式法则进行计算。

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

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

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

在计算图中,蓝色线为前向传播计算过程,红色线为反向传播计算过程。

LR的优化计算

通过上面的计算图我们知道了神经网络的计算流程。下面我们使用计算图来描述单个样本的逻辑回归的计算过程,然后扩展到m个样本上;之后介绍LR的优化过程,即向量化。

单个样本的计算

单个样本的逻辑回归计算公式如下:

\[\hat y = \sigma(w^Tx+b), where \ \sigma(z)=\frac1{1+e^{-z}} \\L(\hat y, y) = -[ylog\hat y + (1-y)log(1-\hat y)] \]

我们假设训练样本x的维度为2(有两个特征x1、x2)。

描述逻辑回归的loss函数的计算图将运算过程分为3步, 分别为计算z、\(\hat y\),以及L(a,y)。

逻辑回归的参数更新法则如下:

\[w_1 = w_1 - \alpha * \frac{\partial L}{\partial w_1} \\w_2 = w_2 - \alpha * \frac{\partial L}{\partial w_2}\\b = b - \alpha * \frac{\partial L}{\partial b} \]

因此,接下来的计算过程主要集中在偏导数\(\frac{\partial L}{\partial w_1}\), \(\frac{\partial L}{\partial w_2}\)以及\(\frac{\partial L}{\partial b}\)的计算。

从计算图来看:

\[\frac{\partial J}{\partial a} = \frac{\partial -[yloga + (1-y)log(1-a)]}{\partial a} = -[\frac{y}{a} - \frac{1-y}{1-a}] \]

\[\frac{\partial a}{\partial z} = \frac{\partial \frac{1}{1+e^{-z}}}{\partial z} = \frac{1}{1+e^{-z}} * \frac{e^{-z}}{1+e^{-z}} = a * (1 - a) \\\frac{\partial z}{\partial w_1} = \frac{\partial (w_1x_1+w_2x_2+b)}{\partial w_1} = x_1 \\\frac{\partial z}{\partial w_2} = \frac{\partial (w_1x_1+w_2x_2+b)}{\partial w_2} = x_2 \\\frac{\partial z}{\partial b} = \frac{\partial (w_1x_1+w_2x_2+b)}{\partial b} = 1 \]

在反向传播过程中根据链式法则,我们可以知道

\[\frac{\partial J}{\partial w_1} = \frac{\partial J}{\partial a} * \frac{\partial a}{\partial z} * \frac{\partial z}{\partial w_1} = -[\frac{y}{a} - \frac{1-y}{1-a}] * a * (1 - a) * x_1 \\= (a-y)*x_1 \]

\[\frac{\partial J}{\partial w_2} = \frac{\partial J}{\partial a} * \frac{\partial a}{\partial z} * \frac{\partial z}{\partial w_2} = -[\frac{y}{a} - \frac{1-y}{1-a}] * a * (1 - a) * x_2 \\= (a-y)*x_2 \]

\[\frac{\partial J}{\partial b} = \frac{\partial J}{\partial a} * \frac{\partial a}{\partial z} * \frac{\partial z}{\partial b} = -[\frac{y}{a} - \frac{1-y}{1-a}] * a * (1 - a) * 1 \\= a-y \]

知道了单个样本的反向传播过程,接下来我们将样本数扩展到m个,看看计算有什么变化。

m个样本的计算

对于m个样本,逻辑回归的cost function计算过程如下:

\[z^{(i)} = w^Tx^{(i)} + b \]

\[\hat y^{(i)} = a^{(i)} = \sigma(z^{(i)}) \]

\[J(w, b) = \frac1{m}\sum_{i=1}^m L(\hat y, y) = -\frac1{m}\sum_{i=1}^m[y^{(i)}log\hat y^{(i)} + (1-y^{(i)})log(1-\hat y^{(i)})] \]

对应的偏导数为:

\(\frac{\partial J}{\partial w_1} = \frac1{m}*\sum_{i=1}^m(a^{(i)}-y^{(i)})*x_1^{(i)}\)

\(\frac{\partial J}{\partial w_2} = \frac1{m}*\sum_{i=1}^m(a^{(i)}-y^{(i)})*x_2^{(i)}\)

\(\frac{\partial J}{\partial b} = \frac1{m}*\sum_{i=1}^m(a^{(i)}-y^{(i)})\)

其实就是将m个样本的偏导数求和,然后取平均。

使用伪代码描述这个过程如下:

J=0; dw1=0; dw2=0; db=0
for i = 1 to m:
    # 前向传播计算损失函数
    z(i) = w * x(i) + b
    a(i) = sigmoid(z(i))
    J += -[y(i)loga(i) + (1-y(i))log(1-a(i))]
    # 反向传播计算导数
    dz(i) = a(i) - y(i)
    dw1 += dz(i)*x1(i) # x1(i):第i个样本的第一个特征
    dw2 += dz(i)*x2(i)
    db += dz(1)
# 遍历完m个样本,计算梯度均值
J /= m
dw1 /= m
dw2 /= m
db /= m

梯度计算完成后,对参数进行一次更新:

w1 -= alpha * dw1
w2 -= alpha * dw2
b -= alpha * db

这个过程是对样本集的一次遍历,梯度下降算法可以规定遍历的次数,遍历n次后整个梯度下降过程就完成了。

优化

整个计算过程中,使用的是显示的for循环,我们可以使用矩阵运算来对整个计算过程进行优化。

Z计算: \(z = w^Tx+b\)

对于单个样本,\(z = w^Tx + b\); 其中, \(w \in R^{n_x},x \in R^{n_x}, b \in R\)

for-loop形式

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

向量形式

import numpy as np
z = np.dot(w.T, x) + b

对于m个样本,z的计算结果为一个向量。$X \in R^{n_x * m},w \in R^{n_x} $

for-loop 方法

z = np.zeros((1, m))
for i in range(m):
    for j in range(n_x):
        z[i] += w[j]*X[j][i]

向量形式

z = np.dot(w.T, X)

使用矩阵运算后的LR计算过程如下:

# w: [n_x, 1]; x: [n_x, m], b: float
Z = np.dot(w.T, X) + b # [1, m]
A = sigmoid(Z)
# 反向传播计算梯度dw, db
dZ = A -Y
dw = 1./m * X * dZ.T
db = 1./m * np.sum(dZ)
# 参数更新
w -= learning_rate * dw
b -= learning_rate * db

使用矩阵运算,减少了对样本的for训练遍历以及对梯度计算过程中对参数的遍历。

Whenever possible, avoid explicit for-loops.

值得注意的是,这里关于非参数的矩阵表示,如训练样本矩阵X,标签矩阵Y都是以列的方式进行堆叠而成的。矩阵运算将for循环集中在一次计算过程中完成。

浅层神经网络(2层)

从某种角度上说,逻辑回归LR也可以看作一种神经网络,示意图如下。

中间的神经元完成两种运算,分别为z和a。

浅层神经网络示意图如下,其中每个“圆圈”的运算类似于LR,区别在于第二步a的计算中使用的激活函数不同。LR激活函数为sigmoid,这里可以为relu、tanh、sigmoid等等。

这个神经网络有输入层、隐藏层和输出层三层组成,但是一般情况下输入层忽略不计,所以这个神经网络有2层组成。

前向传播

我们这里设定\(w_i^{[l]}\)表示神经网络第l层的第i个神经元的权重参数。对于单个样本而言,这个浅层神经网络的计算过程如下:

在隐藏层:

\(z_1^{[1]} = w_1^{[1]T}*x + b_1^{[1]},\ a_1^{[1]} = \sigma(z_1^{[1]});\)

\(z_2^{[1]} = w_2^{[1]T}*x + b_2^{[1]},\ a_2^{[1]} = \sigma(z_2^{[1]});\)

\(z_3^{[1]} = w_3^{[1]T}*x + b_3^{[1]},\ a_3^{[1]} = \sigma(z_3^{[1]});\)

\(z_4^{[1]} = w_4^{[1]T}*x + b_4^{[1]},\ a_4^{[1]} = \sigma(z_4^{[1]});\)

输出结果得到一个[4, 1]向量:[\(a_1^{[1]};a_2^{[1]};a_3^{[1]};a_4^{[1]}\)]. 我们使用\(a^{[1]}\)表示这个结果,同时作为输出层的输入继续计算。

输出层计算结果:

\(z_1^{[2]} = w_1^{[2]T}*a^{[1]} + b_1^{[2]}, \hat y=a^{[2]} = \sigma(z^{[2]})\)

使用矩阵表示整个计算过程如下,隐藏层的参数用\(W^{[1]}\)表示,由隐藏层各个神经元对应权重参数以行的方式堆叠而成,这里形状为[4, 3] (权重参数的第一维度为本层神经元的数目,另一个维度为上一层网络的神经元数目)

单个样本的矩阵表示计算过程如下:

\(z^{[1]} = W^{[1]}x + b^{[1]}\)

\(a^{[1]} = \sigma(z^{[1]})\)

\(z^{[2]} = W^{[2]}a^{[1]} + b^{[2]}\)

\(a^{[2]}=\sigma(z^{[2]})\)

如果将样本数扩展到m个,使用for循环的计算过程为:

for i = 1 to m:
    z[1](i) = W[1]x(i) + b[1]
	a[1](i) = sigma(z[1](i))
	z[2](i) = W[2]a[1](i) + b[2]
	a[2](i) = sigma(z[2](i))

如果使用矩阵运算,我们设定m个训练样本以列的方式进行堆叠,用X表示,形状为[3, m]。使用矩阵运算过程如下,

Z[1] = W[1]X + b[1]
A[1] = sigma(Z[1])
Z[2] = W[2]A[1] + b[2]
A[2] = sigma(Z[2])

示意图如下:

反向传播

反向传播主要用于计算梯度dw1, dw2, dw3, db.为了方便理解,我们先用for循环进行介绍,之后再使用矩阵进行计算优化。

单个样本

计算过程类似于逻辑回归的反向传播过程。

\(dz^{[2]} = a^{[2]} - y\)

\(dW^{[2]} = dz^{[2]} * \frac{\partial dz^{[2]}}{\partial W^{[2]}} = dz^{[2]} * a^{[1]T}\)

$db^{[2]} = dz^{[2]} * \frac{\partial dz^{[2]}}{\partial b^{[2]}} = dz^{[2]} $

\(dz^{[1]} = dz^{[2]} * \frac{\partial dz^{[2]}}{\partial a^{[1]}} * \frac{\partial a^{[1]}}{\partial z^{[1]}} = W^{[2]T}*dz^{[2]} * g^{[1]^{'}}(z^{[1]})\)

\(dW^{[1]} = dz^{[1]} * \frac{\partial dz^{[1]}}{\partial W^{[1]}} = dz^{[1]} * x^T\)

\(db^{[1]} = dz^{[1]} * \frac{\partial dz^{[1]}}{\partial b^{[1]}} = dz^{[1]} * 1 = dz^{[1]}\)

对应的向量形式为(将m个样本堆叠在一起,一同计算):

深层神经网络

深层神经网络是指包括多个隐藏的神经网络模型。如

深层神经网络计算过程类似于浅层神经网络,分为前向传播计算loss,反向传播计算梯度,然后更新权重;反复更新直到模型收敛。

模型的前向传播郭恒比较简单,我们接下来主要介绍模型的反向传播。以神经网络的某一层为例:


Input: \(da^{[l]}\)

Output: \(da^{[l-1]}, dW^{[l]}, db^{[l]}\)


我们知道前向传播过程中:

\(z^{[l]} = W^{[l]}*a^{[l-1]} + b^{[l]}\)

\(a^{[l]} = g(z^{[l]})\)

那么,

\(dz^{[l]} = da^{[l]} * g^{[l]'}(z^{[l]})\)

\(da^{[l-1]} = W^{[l]T} * dz^{[l]}\)

\(dW^{[l-1]} = dz^{[l]} * a^{[l-1]}\)

\(db^{[l-1]} = dz^{[l]}\)

得到\(da^{[l-1]}\)之后,我们可以继续往前传播。


为了方便运算,我们可以在前向传播过程中保存计算结果\(g(z^{[l]})\)

深度神经网络的计算图可以描述如下。

神经网络的前向传播和反向传播计算过程可以总结如下:

总结

本文自下而上的对神经网络进行了介绍。首先,从逻辑回归开始介绍其计算过程、反向传播、更新方法,在介绍过程中先以单个样本的计算开始,然后扩展到m个样本,之后为了提高计算速度,采用向量化方法进行计算;我们了解了逻辑回归之后,介绍浅层神经网络。浅层神经网络是一个2层神经网络,每层神经网络的神经元可以看做是一个“逻辑回归”计算单元,区别在于使用的激活函数不同。浅层神经网络的介绍也是先从单个样本开始,通过单个样本明白其计算过程,然后扩展到m个样本,最终使用向量化方式完成计算。最后,介绍深层神经网络,深层神经网络只是增加了隐藏层的数目,其计算过程和浅层神经网络十分相似。


欢迎关注我的公众号,一同学习成长。
公众号


posted @ 2020-05-08 22:58  April15  阅读(550)  评论(0编辑  收藏  举报