深度学习教程 | 深层神经网络

2022/4/14 6:13:03

编程Tag： 教程深度学习神经网络维度神经元深层

本文主要是介绍深度学习教程 | 深层神经网络，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

作者：韩信子@ShowMeAI
教程地址：http://www.showmeai.tech/tutorials/35
本文地址：http://www.showmeai.tech/article-detail/215
声明：版权所有，转载请联系平台与作者并注明出处

收藏ShowMeAI查看更多精彩内容

本系列为吴恩达老师《深度学习专业课程》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 浅层神经网络 中我们对以下内容进行了介绍:

神经网络的基本结构(输入层，隐藏层和输出层)。
浅层神经网络前向传播和反向传播过程。
神经网络参数的梯度下降优化。
不同的激活函数的优缺点及非线性的原因。
神经网络参数随机初始化方式

本篇内容我们将讨论深层神经网络。

1.深层神经网络

我们在前面提到了浅层神经网络，深层神经网络其实就是包含更多隐层的神经网络。下图分别列举了不同深度的神经网络模型结构：

我们会参考「隐层个数」和「输出层」对齐命名。如上图逻辑回归可以叫做1 layer NN，单隐层神经网络可以叫做2 layer NN，2个隐层的神经网络叫做3 layer NN，以此类推。所以当我们提到L layer NN，指的是包含$L-1$个隐层的神经网络。

下面我们来了解一下神经网络的一些标记写法。以如下图的4层神经网络为例：

① 总层数用$L$表示，$L=4$

输入层是第$0$层，输出层是第$L$层

② $n^{[l]}$表示第$l$层包含的单元个数，$l=0,1,\cdots,L$

下图模型中，$n^{[0]}=n_x=3$，表示三个输入特征$x_1$、$x_2$、$x_3$
下图模型中$n^{[1]}=5$，$n^{[2]}=5$，$n^{[3]}=3$，$n^{[4]}=n^{[L]}=1$

③ 第$l$层的激活函数输出用$a^{[l]}$表示，$a^{[l]}=g^{[l]}(z^{[l]})$

④ $W^{[l]}$表示第$l$层的权重，用于计算$z^{[l]}$

⑤ 输入$x$记为$a^{[0]}$

⑥ 输出层$\hat y$记为$a^{[L]}$

注意，$a^{[l]}$和$W^{[l]}$中的上标$l$都是从1开始的，$l=1,\cdots,L$。

2.深层神经网络前向运算

深层网络中的前向和反向传播 Forward Propagation in a Deep Network

下面我们来推导一下深层神经网络的前向传播计算过程。依旧是上面提到的4层神经网络，我们以其为例来做讲解。

2.1 单个样本的计算

对于单个样本，我们有：

2.2 m个样本的批量计算

对于$m$个训练样本的情况，我们以向量化矩阵形式来并行计算：

以此类推，对于第$l$层，其前向传播过程的$Z^{[l]}$和$A^{[l]}$可以表示为：

\[Z^{[l]}=W^{[l]}A^{[l-1]}+b^{[l]} \]

\[A^{[l]}=g^{[l]}(Z^{[l]}) \]

其中$l=1,\cdots,L$

3.向量化形态下的矩阵维度

核对矩阵的维数 Getting Your Matrix Dimensions Right

在单个训练样本的场景下，输入$x$的维度是$(n^{[0]},1)$神经网络的参数$W^{[l]}$和$b^{[l]}$的维度分别是：

$W^{[l]}: (n^{[l]},n^{[l-1]})$
$b^{[l]}: (n^{[l]},1)$

其中，

$l=1,\cdots,L$
$n^{[l]}$和$n^{[l-1]}$分别表示第$l$层和$l-1$层的所含单元个数
$n^{[0]}=n_x$，表示输入层特征数目

对应的反向传播过程中的$dW^{[l]}$和$db^{[l]}$的维度分别是：

$dW^{[l]}:\ (n^{[l]},n^{[l-1]})$
$db^{[l]}:\ (n^{[l]},1)$
注意到，$W^{[l]}$与$dW^{[l]}$维度相同，$b^{[l]}$与$db^{[l]}$维度相同。这很容易理解。

正向传播过程中的$z^{[l]}$和$a^{[l]}$的维度分别是：

$z^{[l]}:\ (n^{[l]},1)$
$a^{[l]}:\ (n^{[l]},1)$
$z^{[l]}$和$a^{[l]}$的维度是一样的，且$dz^{[l]}$和$da^{[l]}$的维度均与$z^{[l]}$和$a^{[l]}$的维度一致。

对于$m$个训练样本，输入矩阵$X$的维度是$(n^{[0]},m)$。需要注意的是$W^{[l]}$和$b^{[l]}$的维度与只有单个样本是一致的：

$W^{[l]}:\ (n^{[l]},n^{[l-1]})$
$b^{[l]}:\ (n^{[l]},1)$

只不过在运算$Z^{[l]}=W^{[l]}A^{[l-1]}+b^{[l]}$中，$b^{[l]}$会被当成$(n^{[l]},m)$矩阵进行运算，这是基于python numpy的广播特性，且$b^{[l]}$每一列向量都是一样的。$dW^{[l]}$和$db^{[l]}$的维度分别与$W^{[l]}$和$b^{[l]}$的相同。

不过，$Z^{[l]}$和$A^{[l]}$的维度发生了变化：

$Z^{[l]}:\ (n^{[l]},m)$
$A^{[l]}:\ (n^{[l]},m)$
$dZ^{[l]}$和$dA^{[l]}$的维度分别与$Z^{[l]}$和$A^{[l]}$的相同。

4.为什么需要深度网络

当今大家看到的很多AI智能场景背后都是巨大的神经网络在支撑，强大能力很大一部分来源于神经网络足够“深”，也就是说随着网络层数增多，神经网络就更加复杂参数更多，学习能力也更强。下面是一些典型的场景例子说明。

4.1 人脸识别例子

如下图所示的人脸识别场景，训练得到的神经网络，每一层的作用有差别：

第一层所做的事就是从原始图片中提取出人脸的轮廓与边缘，即边缘检测。这样每个神经元得到的是一些边缘信息。
第二层所做的事情就是将前一层的边缘进行组合，组合成人脸一些局部特征，比如眼睛、鼻子、嘴巴等。
后续层次逐层把这些局部特征组合起来，融合成人脸的模样。

可以看出，随着层数由浅到深，神经网络提取的特征也是从边缘到局部特征到整体，由简单到复杂。隐藏层越多，能够提取的特征就越丰富、越复杂，模型的准确率也可能会随之越高。（详细的人脸识别原理可以查看ShowMeAI的文章 CNN应用：人脸识别和神经风格转换 ）

4.2 语音识别例子

语音识别模型也是类似的道理：

浅层的神经元能够检测一些简单的音调
较深的神经元能够检测出基本的音素
更深的神经元就能够检测出单词信息
网络足够深的话，还能对短语、句子进行检测

神经网络从浅到深，提取的特征从简单到复杂。特征复杂度与神经网络层数成正相关。特征越来越复杂，表达能力和功能也越强。（详细的语音识别原理知识可以查看ShowMeAI的文章 Seq2seq序列模型和注意力机制 ）

4.3 深度网络其他优势

除学习能力与特征提取强度之外，深层网络还有另外一个优点，就是能够减少神经元个数，从而减少计算量。

下面有一个例子，使用电路理论，计算逻辑输出：

\[y=x_1\oplus x_2\oplus x_3\oplus\cdots\oplus x_n \]

上面的计算表达式中，$\oplus$表示「异或」操作。

对于这个逻辑运算，如果使用深度网络完成，每层将前一层的两两单元进行异或，最后到一个输出，如下图左边所示。

这样，整个深度网络的层数是$log_2(n)$(不包含输入层)。总共使用的神经元个数为：

\[1+2+\cdots+2^{log_2(n)-1}=1\cdot\frac{1-2^{log_2(n)}}{1-2}=2^{log_2(n)}-1=n-1 \]

可见，输入个数是$n$，这种深层网络所需的神经元个数仅仅是$n-1$个。

如果不用深层网络，仅仅使用单个隐藏层，如上右图所示，由于包含了所有的逻辑位(0和1)，那么需要的神经元个数$O(2^n)$是指数级别的大小。

对于其他场景和问题也一样，处理同样的逻辑问题，深层网络所需的神经元个数比浅层网络要少很多。这也是深层神经网络的优点之一。

尽管深度学习有着非常显著的优势，吴恩达老师还是建议对实际问题进行建模时，尽量先选择层数少的神经网络模型，这也符合奥卡姆剃刀定律(Occam’s Razor)。对于比较复杂的问题，再使用较深的神经网络模型。

5.构建深度网络单元块

搭建神经网络块 Building Blocks of Deep Neural Networks

下面用流程块图来解释神经网络前向传播和反向传播过程。

如图所示，对于第$l$层来说，前向传播过程中，我们有：

输入：$a^{[l-1]} $
输出：$a^{[l]} $
参数：$W^{[l]}$、$b^{[l]}$
缓存变量：$z^{[l]} $

反向传播过程中：

输入：$da^{[l]} $
输出：$da^{[l-1]} $、$dW^{[l]} $、$db^{[l]}$
参数：$W^{[l]}$、$b^{[l]}$

上面是第$l$层的流程块图，对于神经网络所有层，整体的流程块图前向传播过程和反向传播过程如下所示：

6.前向传播与反向传播

前向传播和反向传播 Forward and Backward Propagation

我们继续接着上一部分流程块图的内容，推导神经网络正向传播过程和反向传播过程的具体表达式。

6.1 前向传播过程

令层数为第$l$层，输入是$a^{[l-1]}$，输出是$a^{[l]}$，缓存变量是$z^{[l]}$。其表达式如下：

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

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

$m$个训练样本的形态下，向量化形式为：

\[Z^{[l]}=W^{[l]}A^{[l-1]}+b^{[l]} \]

\[A^{[l]}=g^{[l]}(Z^{[l]}) \]

6.2 反向传播过程

输入是$da^{[l]}$，输出是$da^{[l-1]}$、$dW^{[l]}$、$db^{[l]}$。其表达式如下：

\[dz^{[l]}=da^{[l]}\ast g^{[l]\prime}(z^{[l]}) \]

\[dW^{[l]}=dz^{[l]}\cdot a^{[l-1]} \]

\[db^{[l]}=dz^{[l]} \]

\[da^{[l-1]}=W^{[l]T}\cdot dz^{[l]} \]

由上述第四个表达式可得$da^{[l]}=W^{[l+1]T}\cdot dz^{[l+1]}$，将$da^{[l]}$代入第一个表达式中可以得到：

\[dz^{[l]}=W^{[l+1]T}\cdot dz^{[l+1]}\ast g^{[l]\prime}(z^{[l]}) \]

该式非常重要，反映了$dz^{[l+1]}$与$dz^{[l]}$的递推关系。

$m$个训练样本的形态下，向量化形式为：

\[d Z^{[l]}=d A^{[l]}\ast g^{[l]\prime} (Z^{[l]}) \]

\[dW^{[l]}=\frac1mdZ^{[l]}\cdot A^{[l-1]T} \]

\[db^{[l]}=\frac1mnp.sum(dZ^{[l]},axis=1,keepdim=True) \]

\[dA^{[l-1]}=W^{[l]T}\cdot dZ^{[l]} \]

\[dZ^{[l]}=W^{[l+1]T}\cdot dZ^{[l+1]}\ast g^{[l]\prime}(Z^{[l]}) \]

7.参数与超参数

神经网络中有两个大家要重点区分的概念：参数(parameters)和超参数(hyperparameters)。

神经网络中的参数就是我们熟悉的$W^{[l]}$和$b^{[l]}$。
神经网络的超参数是例如学习率$\alpha$，训练迭代次数$N$，神经网络层数$L$，各层神经元个数$n^{[l]}$，激活函数$g(z)$等。
之所以叫做超参数，是因为它们需要提前敲定，而且它们会决定参数$W^{[l]}$和$b^{[l]}$的值。

如何设置最优的超参数是一个比较困难的、需要经验知识的问题。通常的做法是选择超参数一定范围内的值，分别代入神经网络进行训练，测试cost function随着迭代次数增加的变化，根据结果选择cost function最小时对应的超参数值。这类似于机器学习中的实验验证的方法。(关于机器学习的模型评估详见 ShowMeAI文章图解机器学习 | 模型评估方法与准则)

8.神经网络vs人脑

深度学习和大脑的关联性 What Does this Have to Do with the Brain?

神经网络跟人脑机制到底有什么联系呢？究竟有多少的相似程度？

我们前面看到神经网络实际上可以分成两个部分：前向传播过程和反向传播过程。神经网络的每个神经元采用激活函数的方式，类似于感知机模型。这种模型与人脑神经元是类似的，但是一种非常简化的人脑神经元模型。

人脑神经元可分为树突、细胞体、轴突三部分。树突接收外界电刺激信号(类比神经网络中神经元输入)，传递给细胞体进行处理(类比神经网络中神经元激活函数运算)，最后由轴突传递给下一个神经元(类比神经网络中神经元输出)。

人脑神经元的结构和处理方式要复杂的多，神经网络模型只是非常简化的模型。

人脑如何进行学习？是否也是通过反向传播和梯度下降算法现在还不清楚，可能会更加复杂。这是值得生物学家探索的事情。

参考资料

图解机器学习 | 模型评估方法与准则

ShowMeAI系列教程推荐

图解Python编程：从入门到精通系列教程
图解数据分析：从入门到精通系列教程
图解AI数学基础：从入门到精通系列教程
图解大数据技术：从入门到精通系列教程
图解机器学习算法：从入门到精通系列教程
机器学习实战：手把手教你玩转机器学习系列
深度学习教程 | 吴恩达专项课程 · 全套笔记解读