本文選自Medium,主要介紹了神經(jīng)網(wǎng)絡(luò)中的卷積神經(jīng)網(wǎng)絡(luò)，適合初學(xué)者閱讀。

概述

深度學(xué)習(xí)和人工智能是 2016 年的熱詞；2017 年，這兩個(gè)詞愈發(fā)火熱，但也更加容易混淆。我們將深入深度學(xué)習(xí)的核心，也就是神經(jīng)網(wǎng)絡(luò)。大多數(shù)神經(jīng)網(wǎng)絡(luò)的變體是難以理解的，并且它們的底層結(jié)構(gòu)組件使得它們?cè)诶碚撋虾蛨D形上是一樣的。

下圖展示了最流行的神經(jīng)網(wǎng)絡(luò)變體，可參考這篇博客 (http://www.asimovinstitute.org/neural-network-zoo/)。

本文介紹卷積神經(jīng)網(wǎng)絡(luò)（CNN）。在開始之前，我們首先了解一下感知機(jī)。神經(jīng)網(wǎng)絡(luò)是一些被稱作感知機(jī)的單元的集合，感知機(jī)是二元線性分類器。

如上圖所示，輸入 x1 和 x2 分別和各自的權(quán)重 w1 和 w2 相乘、求和，所以函數(shù) f=x1*w1+x2*w2+b（偏置項(xiàng)，可以選擇性地添加）。函數(shù) f 可以是任意的運(yùn)算，但是對(duì)于感知機(jī)而言通常是求和。函數(shù) f 隨后會(huì)通過一個(gè)激活函數(shù)來評(píng)估，該激活函數(shù)能夠?qū)崿F(xiàn)期望分類。Sigmoid 函數(shù)是用于二元分類的最常見的激活函數(shù)。如果您想進(jìn)一步了解感知機(jī)，推薦閱讀這篇文章（https://appliedgo.net/perceptron/）。

如果我們把多個(gè)輸入堆疊在一起，并且使用函數(shù) f 將其與位于另一層的多個(gè)堆疊在一起的單元連接在一起，這就形成了多個(gè)全連接的感知機(jī)，這些單元（隱藏層）的輸出成為最后一個(gè)單元的輸入，再通過函數(shù) f 和激活函數(shù)得到最終的分類。如下圖所示，這個(gè)就是最簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)。

神經(jīng)網(wǎng)絡(luò)有一個(gè)獨(dú)特的能力，被稱作「泛逼近函數(shù)」（Universal Approximation function），所以神經(jīng)網(wǎng)絡(luò)的拓?fù)浜徒Y(jié)構(gòu)變體是很多樣化的。這本身就是一個(gè)很大的話題，Michael Nielsen 在文章中做了詳細(xì)的描述（http://neuralnetworksanddeeplearning.com/chap4.html）。讀完這個(gè)我們可以相信：神經(jīng)網(wǎng)絡(luò)可以模擬任何函數(shù)，不管它是多么的復(fù)雜。上面提到的神經(jīng)網(wǎng)絡(luò)也被稱為前饋神經(jīng)網(wǎng)絡(luò)（FFNN），因?yàn)樾畔⒘魇菃蜗颉o環(huán)的。現(xiàn)在我們已經(jīng)理解了感知機(jī)和前饋神經(jīng)網(wǎng)絡(luò)的基本知識(shí)，我們可以想象，數(shù)百個(gè)輸入連接到數(shù)個(gè)這樣的隱藏層會(huì)形成一個(gè)復(fù)雜的神經(jīng)網(wǎng)絡(luò)，通常被稱為深度神經(jīng)網(wǎng)絡(luò)或者深度前饋神經(jīng)網(wǎng)絡(luò)。

那么深度神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)有什么不同呢？讓我們來探討一下。

CNN 由于被應(yīng)用在 ImageNet 等競(jìng)賽中而廣受歡迎，最近也被應(yīng)用在自然語(yǔ)言處理和語(yǔ)音識(shí)別中。需要記住的關(guān)鍵點(diǎn)是，其他的變體，如 RNN、LSTM、GRU 等，基于和 CNN 類似的結(jié)構(gòu)，不過架構(gòu)存在一些差異。

CNN 由三種不同的層組成，即「卷積層」、「池化層」、「密集層或全連接層」。我們之前的神經(jīng)網(wǎng)絡(luò)都是典型的全連接層神經(jīng)網(wǎng)絡(luò)。如果想了解更多卷積和池化層的知識(shí)，可以閱讀 Andrej Karpathy 的解釋（https://cs231n.github.io/convolutional-networks/）。現(xiàn)在繼續(xù)我們關(guān)于層的討論，下面我們來看一下卷積層。

（在下面的內(nèi)容里，我們會(huì)以圖像分類為例來理解卷積神經(jīng)網(wǎng)絡(luò)，后面再轉(zhuǎn)移到自然語(yǔ)言處理和視頻任務(wù)中。）

卷積層：假設(shè)一張圖像有 5*5 個(gè)像素，1 代表白，0 代表黑，這幅圖像被視為 5*5 的單色圖像。現(xiàn)在用一個(gè)由隨機(jī)地 0 和 1 組成的 3*3 矩陣去和圖像中的子區(qū)域做乘法，每次迭代移動(dòng)一個(gè)像素，這樣該乘法會(huì)得到一個(gè)新的 3*3 的矩陣。下面的動(dòng)圖展示了這個(gè)過程。

上述的 3*3 的矩陣被稱作「濾波器」，它的任務(wù)是提取圖像特征，它使用「優(yōu)化算法」來決定 3*3 矩陣中具體的 0 和 1。我們?cè)谏窠?jīng)網(wǎng)絡(luò)的卷積層中使用好幾個(gè)這樣的濾波器來提取多個(gè)特征。3*3 矩陣的每一個(gè)單個(gè)步驟被稱作「步幅」（stride）。

下圖展示了使用兩個(gè)三通道濾波器從三通道（RGB）圖像中生成兩個(gè)卷積輸出的詳細(xì)過程。

濾波器 w0 和 w1 是「卷積」，輸出是提取到的特征，包含這些濾波器的層叫做卷積層。

池化層：這個(gè)層主要使用不同的函數(shù)為輸入降維。通常，最大池化層（max-pooling layer）出現(xiàn)在卷積層之后。池化層使用 2*2 的矩陣，以卷積層相同的方式處理圖像，不過它是給圖像本身降維。下面分別是使用「最大池化」和「平均池化」的示例。

全連接層：這個(gè)層是位于之前一層和激活函數(shù)之間的全連接層。它和之前討論過的簡(jiǎn)單「神經(jīng)網(wǎng)絡(luò)」是類似的。

注意：卷積神經(jīng)網(wǎng)絡(luò)結(jié)果也會(huì)使用正則化層，不過本文將分開討論。此外，池化層會(huì)損失信息，所以也不是首選的。通常的做法是在卷機(jī)層中使用一個(gè)較大的步幅。

ILSVRC 2014 的亞軍 VGGNet 是一個(gè)流行的卷積神經(jīng)網(wǎng)絡(luò)，它使用 16 個(gè)層來幫助我們理解 CNN 中深度的重要性，AlexNet 是 ILSVRC 2012 的冠軍，它只有 8 層。Keras 中有可以直接使用的模型 VGG-16。

在 Keras 中加載了這個(gè)模型之后，我們可以觀察每一層的「output shape」來理解張量維度，觀察「Param#」來了解如何計(jì)算參數(shù)來得到卷積特征。「Param#」是每一次獲取卷積特征時(shí)的所有權(quán)重更新。

現(xiàn)在我們已經(jīng)熟悉了卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，理解了每一層都是如何運(yùn)行的，那么我們可以進(jìn)一步去理解它是如何用在自然語(yǔ)言處理和視頻處理中的了。您可以在這個(gè)鏈接中了解自 2012 年以來所有獲得 ImageNet 競(jìng)賽冠軍的 CNN 模型（https://adeshpande3.github.io/The-9-Deep-Learning-Papers-You-Need-To-Know-About.html）。

∑編輯?|?Gemini

來源 | 機(jī)器之心

算法數(shù)學(xué)之美微信公眾號(hào)歡迎賜稿

稿件涉及數(shù)學(xué)、物理、算法、計(jì)算機(jī)、編程等相關(guān)領(lǐng)域
稿件一經(jīng)采用，我們將奉上稿酬。

投稿郵箱：math_alg@163.com

總結(jié)

以上是生活随笔為你收集整理的入门 | 一文看懂卷积神经网络的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。