一、深度学习概论

1.1 什么是深度学习

简单来说，深度学习（Deep Learning）就是更复杂的神经网络（Neural Network）

人工神经网络包含：输入层、隐藏层、输出层，每层包含多个神经元，每个神经元包含激活函数

神经网络需要从大量的数据中学习，学习的过程就是调整网络中的参数，使得网络的输出结果与实际结果尽可能接近。

学习的目标是，建立起一个特殊的函数，输入一些数据就能输出想要的结果。

1.2 深度学习的应用

监督学习（Supervised Learning）与无监督学习本质区别就是：训练样本是否已知的输出y

不同的任务通常交给不同的神经网络：

  • 分类/回归任务：神经网络（Neural Network, NN）
  • 图像识别任务：卷积神经网络（Convolutional Neural Network, CNN）
  • 文本/语音等序列任务：循环神经网络（Recurrent Neural Network, RNN）
  • 生成任务：生成对抗网络（Generative Adversarial Network, GAN）

机器学习应用于结构化数据（Structured Data）和非结构化数据（Unstructured Data）

  • 结构化数据：数据的数据库，意味着每个特征都有清晰的定义，比较容易理解。
  • 非结构化数据：通常指的是比较抽象的数据，比如音频、原始音频、图像、文本。

正是因为神经网络，计算机现在能更好地解释非结构化数据，甚至在某些方面优于人类。例如，语音识别，图像识别，自然语音处理等。

1.3 深度学习的优点

深度学习兴起的原因：数据（Data）、计算（Computation）、算法（Algorithm）

深度学习的优点：

  • 不需要人工处理设计特征，只需通过神经网络输出结果
  • 更适用于难提取特征的任务：图像、语音、自然语言处理
  • 能够应对处理更大规模数据

性能随数据量增大的变化

二、神经网络基础

2.1 逻辑回归（Logistic Regression, LR）

逻辑回归是一种用于解决二分类问题的分类算法，给定一个输入x，输出y=1的预测概率 $\hat{y}=P(y=1|x)$

记输入层特征数$n$，参数：

  • 输入$x \in R^{n}$，x是一个n维的特征向量
  • 权重$w \in R^{n}$，w是一个n维的权重向量
  • 标签$y \in {0,1}$，y是一个二分类标签
  • 偏置$b \in R$，b是一个标量
  • 输出$\hat{y} = \sigma(w^{T}x+b)=\sigma(w_1x_1+w_2x_2+…+w_nx_n+b)$
    • 激活函数：Sigmoid函数：$\sigma(t)=\dfrac{1}{1+e^{-t}}$
    • t非常大时，s接近1；t非常小时，s接近0；t=0时，s等于0.5

2.2 与梯度下降算法（Gradient Descent）

通过迭代更新参数w和b，使成本函数$J(w,b)$找到最小值（损失函数和成本函数见2.7）

梯度下降算法：函数的梯度（gradient）指出了函数的最陡增长方向。梯度的方向走，函数增长得就越快。那么按梯度的负方向走，函数值自然就降低得最快了

损失函数图

参数更新：

  • $w:=w-\alpha \dfrac{\partial J(w,b)}{\partial w}$
  • $b:=b-\alpha \dfrac{\partial J(w,b)}{\partial b}$
  • $\alpha$：学习率（Learning Rate），控制参数更新的步长，太大会导致震荡，太小会导致收敛速度慢

2.3 逻辑回归的梯度下降

以2维样本 $x_1,x_2$ 为例，参数$w_1,w_2,b$，计算梯度下降

已知：

计算J对z的导数：

这样可以求出总损失相对于$w_1,w_2,b$的导数

  • $dw_1 = \frac{\partial J}{\partial z} \cdot \frac{\partial z}{\partial w_1} = x_1(a-y)$
  • $dw_2 = \frac{\partial J}{\partial z} \cdot \frac{\partial z}{\partial w_2} = x_2(a-y)$
  • $db = \frac{\partial J}{\partial z} \cdot \frac{\partial z}{\partial b} = a-y = dz$

然后更新参数：

  • $w_1:=w_1-\alpha dw_1$
  • $w_2:=w_2-\alpha dw_1$
  • $b:=b-\alpha dw_1$

2.4 前向传播和反向传播

  • 前向传播：从前往后计算梯度和损失的过程
  • 反向传播：从后往前计算参数的更新梯度值

2.5 向量化/逻辑回归实现

向量化编程的优点：多样本下，向量计算比循环计算快的多，代码更简洁

  1. 输入层$X$：形状$n \times m$，$n$为特征数，$m$为样本数
  2. 权重参数$W$：形状$n \times 1$
  3. 偏置参数$b$：标量
  4. 输出层$Z$：$Z=W^{T}X+b$，形状$(1,n) \times (n,m) + b = (1,m)$ 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
import numpy as np

n = 20  # 特征数
m = 100  # 样本数
alpha = 0.001  # 学习率
iterations = 1000  # 迭代次数

X = np.random.randn(n, m)  # 生成特征矩阵
Y = np.random.randint(0, 2, [1, m])  # 生成标签

J = 0  # 损失函数值

 初始化权重和偏置
W = np.random.randn(n, 1) * 0.01
b = 0

def sigmoid(t): # Sigmoid函数
    return 1 / (1 + np.exp(-t))

def log_loss(A, Y):  # 对数损失函数
    return -1 / m * np.sum(Y * np.log(A) + (1 - Y) * np.log(1 - A))

def calc_accuracy(A, Y):  # 计算准确率
    A = np.where(A > 0.5, 1, 0)
    return np.mean(A == Y)

for i in range(iterations):
    # 前向传播
    Z = np.dot(W.T, X) + b
    A = sigmoid(Z)  # 激活值（预测）
    J = log_loss(A, Y)  # 计算损失函数值

    # 反向传播
    # 计算梯度
    dZ = A - Y
    dW = 1 / m * np.dot(X, dZ.T) # 1/m * X * dZ
    db = 1 / m * np.sum(dZ) # 1/m * dZ

    # 更新权重和偏置
    W = W - alpha * dW
    b = b - alpha * db

print("Loss:", J)  # 打印损失函数值

 训练集上的准确率
Z = np.dot(W.T, X) + b
A = 1 / (1 + np.exp(-Z))
print("Accuracy:", calc_accuracy(A, Y))

2.6 激活函数（Activation Function）

涉及到网络的优化时候，会有不同的激活函数选择。
有一个问题是神经网络的隐藏层和输出单元用什么激活函数。
在逻辑回归中选用了Sigmoid函数，但有时其他函数的效果会好得多。
大多数结论通过实践得来，没有很好的解释性。

为什么使用非线性的激活函数：使用线性函数，在这一层上的神经元的输出仅仅是输入的线性组合，失去了效果。

本节提及的几种常用激活函数：Sigmoid函数、tanH函数、ReLU函数

激活函数

Sigmoid函数

Sigmoid函数

双曲正切函数（Hyperbolic Tangent, tanH）

效果比Sigmoid函数好，因为函数输出在(-1,1)之间，收敛速度更快

存在和Sigmoid函数一样的缺点：当t趋紧无穷，导数的梯度（即函数的斜率）就趋紧于 0，这使得梯度算法的速度会减慢。

tanH函数

ReLU函数：修正线性单元（Rectified Linear Unit, ReLU）

当 $t>0$ 时，梯度始终为1，从而提高神经网络基于梯度算法的运算速度，收敛速度远大于Sigmoid和tanH函数

ReLU函数

2.7 损失函数（Loss Function）与成本函数（Cost Function）

损失函数用于衡量预测结果与真实值之间的误差。

平方差损失函数：$L(\hat{y},y)=\frac{1}{2}(\hat{y}-y)^2$

  • 最简单的损失函数
  • 具有多个局部最小值，不适合逻辑回归

对数损失函数：$L(\hat{y},y)=-(y\log(\hat{y})+(1-y)\log(1-\hat{y}))$

  • 逻辑回归通常采用的损失函数
  • y=1时，损失函数为$-log(\hat{y})$，$\hat{y}$越大，损失越小
  • y=0时，损失函数为$log(1-\hat{y})$，$\hat{y}$越小，损失越小

损失函数：衡量了在单个训练样本上的表现

成本函数（Cost Function）：$J(w,b)=\dfrac{1}{m}\sum\limits_{i=1}^{m}L(\hat{y}^{(i)},y^{(i)})$

  • 所有训练样本的损失平均值
  • 衡量在全体训练样本上的表现、参数w和b的效果

三、浅层神经网络

3.1 浅层神经网络

神经网络（Neural Network, NN）是一种模拟人脑神经元工作方式的计算模型，包含输入层、隐藏层、输出层，每层包含多个神经元

浅层神经网络

以上图（单隐藏层神经网络）为例，输入层有$n=3$个特征，隐藏层一层，有$4$个神经元。记隐藏层 $[1]$ ，输出层 $[2]$ ，则：

  • 输入层：$x \in R^{3}$，$x$是一个$3$维的特征向量
    • 形状：(3, m)，$m$为样本数
  • 隐藏层具有4行3列的权重矩阵$W^{[1]} \in R^{4 \times 3}$，偏置向量$b^{[1]} \in R^{4}$
    • 隐藏层的每个神经元$i$具有权重$W^{[1]}{i} \in R^{3}$，偏置$b^{[1]}{i} \in R$
    • 形状：输入(3, m) * 权重(4, 3) + 偏置(4, 1) = 输出(4, m)
  • 输出层具有1行4列的权重矩阵$W^{[2]} \in R^{1 \times 4}$，偏置$b^{[2]} \in R$
    • 形状：输入(4, m) * 权重(1, 4) + 偏置(1, 1) = 输出(1, m)、

总结：第i层的权重矩阵$W^{[i]}$的形状为$(n^{[i]}, n^{[i-1]})$，偏置$b^{[i]}$的形状为$(n^{[i]}, 1)$

3.2 前向传播

3.3 反向传播

输出层以Sigmoid函数作为激活函数，根据逻辑回归的梯度下降的推导，可以得到：

隐藏层以tanh函数作为激活函数，已知：

根据链式求导法则（步骤略），可以得到：

实践：浅层神经网络实现

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
import numpy as np

n = 20  # 特征数
m = 100  # 样本数
k = 4  # 隐藏层神经元数
alpha = 0.001  # 学习率
iterations = 1000  # 迭代次数

X = np.random.randn(n, m)  # 生成特征矩阵
Y = np.random.randint(0, 2, [1, m])  # 生成标签

J = 0  # 损失函数值

# 隐藏层权重和偏置（随机初始化）
W1 = np.random.randn(k, n) * 0.01
b1 = np.zeros([k, 1])

# 输出层权重和偏置
W2 = np.random.randn(1, k) * 0.01
b2 = 0

def sigmoid(t): # Sigmoid函数
    return 1 / (1 + np.exp(-t))

def tanh(t): # tanH函数
    return (np.exp(t) - np.exp(-t)) / (np.exp(t) + np.exp(-t))

def log_loss(A, Y):  # 对数损失函数
    return -1 / m * np.sum(Y * np.log(A) + (1 - Y) * np.log(1 - A))

def calc_accuracy(A, Y):  # 计算准确率
    A = np.where(A > 0.5, 1, 0)
    return np.mean(A == Y)

for i in range(iterations):
    # 前向传播
    Z1 = np.dot(W1, X) + b1 # [k, m]
    A1 = tanh(Z1)  # 隐藏层激活值 [k, m]
    Z2 = np.dot(W2, A1) + b2 # [1, m]
    A2 = sigmoid(Z2)  # 输出层激活值（预测） [1, m]
    J = log_loss(A2, Y)  # 计算损失函数值 

    # 反向传播
    # 输出层
    dZ2 = A2 - Y # [1, m]
    dW2 = 1 / m * np.dot(dZ2, A1.T) # [1, k]
    db2 = 1 / m * np.sum(dZ2) # [1, 1]
    # 隐藏层
    dZ1 = np.dot(W2.T, dZ2) * (1 - A1 ** 2)
    dW1 = 1 / m * np.dot(dZ1, X.T)
    db1 = 1 / m * np.sum(dZ1)

    # 更新权重和偏置
    W1 = W1 - alpha * dW1
    b1 = b1 - alpha * db1
    W2 = W2 - alpha * dW2
    b2 = b2 - alpha * db2

print("Loss:", J)  # 打印损失函数值

 训练集上的准确率
Z1 = np.dot(W1, X) + b1
A1 = tanh(Z1)
Z2 = np.dot(W2, A1) + b2
A2 = 1 / (1 + np.exp(-Z2))
print("Accuracy:", calc_accuracy(A2, Y))

四、深层神经网络

4.1 深层神经网络

为什么需要深层神经网络：

  • 神经网络从第一层开始，从原始数据中提取特征
  • 下一层将上一层习得的信息组合起来，形成更高级的特征
  • 随着层数增多，特征从简单到复杂，学习的能力更强

深层神经网络

4.2 前向传播

输入$a^{[L-1]}$，输出$a^{[L]}$

4.3 反向传播

深层神经网络反向传播

4.4 参数和超参数

参数（Parameters）：在训练过程中希望模型学习到的信息，模型自己调整的参数

  • 权重W通常使用随机初始化，避免对称性，$randn*0.01$
    • 对称性：如果所有的神经元都具有相同的权重，那么在反向传播过程中，所有的神经元都会学习到相同的特征
    • 乘系数0.01：使用Sigmoid函数或者tanH函数作为激活函数时，W比较小，则Z=WX+b所得的值趋近于0，梯度较大，能够提高算法的更新速度；ReLU函数则没有这个问题
  • 偏置b没有对称性问题，通常初始化为0

超参数（Hyper parameters）：通过人的经验判断、手动调整的网络信息，会影响最终的参数

  • 典型的超参数：学习速率$\alpha$、迭代次数$N$、隐藏层数$L$、每层神经元数$n_i$、激活函数$g^{[i]}()$的选择
  • 开发新应用时，很难预先准确知道最佳的超参数，需要通过不同的尝试和调整来找到最佳的超参数

五、多分类与Softmax回归

5.1 Softmax回归

对于多分类问题，种类个数C，则输出层的神经元个数必须为C，每个神经元的输出依次对应为每个类别的概率。

多分类问题

输出层：$Z^{[L]}=W^{[L]}A^{[L-1]}+b^{[L]}$$

Softmax公式：$ai^{[L]} = \dfrac{e^{Z_i^{[L]}}}{\sum\limits{j=1}^{C}e^{Zj^{[L]}}}$，满足$\sum\limits{i=1}^{C}a_i^{[L]}=1$

理解：$e^{z_i}$的占比

5.2 交叉熵损失与One-hot编码

对于Softmax回归，使用交叉熵损失（Cross Entropy Loss）函数：

$C=2$时，即对应逻辑回归的对数损失函数$L(\hat{y},y)=-(y\log(\hat{y})+(1-y)\log(1-\hat{y}))$

one-hot编码（独热编码）：将标签转换为向量，只有一个元素为1，其他元素为0。

以图2.1.1为例，$y=7$，则one-hot编码对应为$y=[0,0,0,0,0,0,0,1,0,0]$。

由于除了正确类别外，其他类别$y_i=0$，因此可以简单计算交叉熵：$L(\hat{y},y)=-1\times\log(0.10)$

这一项的预测值越接近1，交叉熵越接近0，模型效果越好