文章目錄

• • • 第一周：深度學習的實用層面
    • • • 訓練、開發(fā)、測試集
        • 偏差、方差
        • 機器學習基本步驟
        • L2正則化
        • Dropout（隨機失活）正則化
        • 其它正則化方法
        • 正則化輸入
        • 神經(jīng)網(wǎng)絡的權重初始化
        • 梯度檢驗
    • 第二周：優(yōu)化算法
    • • • Mini-Batch梯度下降法
        • 指數(shù)加權平均
        • 指數(shù)加權平均的偏差修正
        • 動量梯度下降法
        • RMSprop
        • Adam優(yōu)化算法
        • 學習率衰減
    • 第三周：超參數(shù)調試、Batch正則化、程序框架
    • • • 調試處理
        • 為超參數(shù)選擇合適的范圍
        • Batch Norm/z的歸一化處理
        • Batch Norm作用的原理
        • SoftMax回歸

第一周：深度學習的實用層面

訓練、開發(fā)、測試集

應用深度學習是一個典型的迭代過程，因為不可能一開始就確定最優(yōu)的超參數(shù)，需要多次循環(huán)往復，才能設計優(yōu)秀的神經(jīng)網(wǎng)絡，因此循環(huán)該過程的效率是決定項目進展速度的一個關鍵因素，而創(chuàng)建高質量的訓練數(shù)據(jù)集，驗證集和測試集也有助于提高循環(huán)效率。如果不需要無偏估計，也可以不設置測試集。
數(shù)據(jù)規(guī)模較小時，開發(fā)和測試集占總數(shù)據(jù)的30%~40%；數(shù)據(jù)量較大時驗證集和測試集占數(shù)據(jù)總量的比例會趨于變得更小。
建議確保驗證集和測試集的數(shù)據(jù)來自同一分布。

偏差、方差

假設已有一個識別貓的分類器。已知人眼識別的錯誤率接近0%
訓練集錯誤率：15% 測試集錯誤率：16% 擬合結果的偏差較大
訓練集錯誤率：5% 測試集錯誤率：20% 擬合結果方差較大
訓練集錯誤率：20% 測試集錯誤率：40% 擬合結果偏差和方差都較大
訓練集錯誤率：0.1% 測試集錯誤率：1% 擬合結果的誤差和方差合理

機器學習基本步驟

L2正則化

解決高方差通常采用增加數(shù)據(jù)量（如果可行）、正則化的方法。

假設采用tanh作為激活函數(shù)，當λ很大而w接近0的時候，z的范圍非常接近0，而對于tanh，接近0的部分約等于線性函數(shù)，因此將神經(jīng)網(wǎng)絡的各個層向線性靠近，使得多層的神經(jīng)網(wǎng)絡計算結果更簡單（參考前面課程中介紹的，為什么要使用非線性激活函數(shù)），減輕過擬合的情況。

Dropout（隨機失活）正則化

對于神經(jīng)網(wǎng)絡的每個隱層，對每個節(jié)點設定其失活的概率，被設置為失活的節(jié)點其激活后的值設置為0，不參與神經(jīng)網(wǎng)絡的計算。在測試時不使用dropout方法。

假設有一L=3的神經(jīng)網(wǎng)絡，d3是一個布爾類型的矩陣，d3.shape=(第3層節(jié)點數(shù), 樣本數(shù))
在Python的運算中，將d3中的True解析為1，False解析為0，其中每個元素為True或False的概率由輸入 keep-prob決定。
a3 =np.multiply(a3,d3)，讓d3中 0 元素與a3中相對元素歸零。
a3 /= keep-prob，以保證a3的期望值不變。

可以為不同層設置不同的keep-prob值，將易發(fā)生過擬合的層keep-prob值設置得更低；也可以將某些不會發(fā)生過擬合的層的keep-prob值設置為1，即不使用dropout阻塞節(jié)點。

使用dropout的一個缺點是，代價函數(shù)J無法明確定義，不便觀察訓練效果。

其它正則化方法

①數(shù)據(jù)擴增：將原輸入的圖片進行對稱、裁剪、旋轉處理，以較小的代價得到更大的數(shù)據(jù)集。
②提前終止訓練：當神經(jīng)網(wǎng)絡在迭代到某時刻時，其表現(xiàn)已滿足要求，提前終止。
early stopping 的主要缺點就是不能獨立地處理這兩個問題，因為提早停止梯度下降，也就是停止了優(yōu)化代價函數(shù)J，因為終止后不再嘗試降低代價函數(shù)J，所以代價函數(shù)J的值可能不夠小，同時又希望不出現(xiàn)過擬合，沒有采取不同的方式來解決這兩個問題，而是用一種方法同時解決兩個問題，這樣做的結果是要考慮的東西變得更復雜。

注意：正則化有損于訓練集的表現(xiàn)，因為它會限制網(wǎng)絡過度擬合訓練集的能力，但是它最終會提高測試集的表現(xiàn)。

正則化輸入

神經(jīng)網(wǎng)絡的權重初始化

為了避免深層神經(jīng)網(wǎng)絡中，梯度爆炸和梯度消失的現(xiàn)象，需要對各層節(jié)點的權值進行合理初始化。

梯度檢驗

注意：
①不要在訓練中使用梯度檢驗，它只用于調試。
②如果𝑑𝜃approx[𝑖]與𝑑𝜃[𝑖]的值相差很大，查找不同的𝑖值，找出是哪個導致𝑑𝜃approx[𝑖]與𝑑𝜃[𝑖]的值相差這么多。如果你發(fā)現(xiàn)，相對某些層或某層的𝜃或𝑑𝜃的值相差很大，但是dw[𝑙]的各項非常接近，（𝜃的各項與𝑏和𝑤的各項都是一一對應的）這時可能在計算參數(shù)𝑏的導數(shù)𝑑𝑏的過程中存在 bug。反過來也是一樣。
③在實施梯度檢驗時，如果使用正則化，注意包括正則項。
④梯度檢驗不能與 dropout 同時使用。

第二周：優(yōu)化算法

Mini-Batch梯度下降法

將大規(guī)模的輸入集合切分成子集，并進行梯度下降的處理。如：X具有5,000,000樣本數(shù)，minibatch_size=1000，則X可劃分為X{1}…X{5000}，對每個子集進行向量化的正向傳播、反向傳播、更新參數(shù)。

采用Mini-Batch梯度下降法時，cost值并非隨著迭代次數(shù)單調下降，但整體趨勢是下降的。

MiniBatch_Size的選擇：
①當MiniBatch_Size=1時，每次迭代僅輸入一個樣本，本質上是隨機梯度下降算法。
②當MiniBatch_Size=m時，本質上是Batch梯度下降法。
因此要在1~m的范圍內選擇合適的值，使得每次迭代都能快速進行，且迭代次數(shù)不至于過多。

batch梯度下降法從某處開始，相對噪聲低些，幅度也大一些。
在隨機梯度下降法中，每次迭代只對一個樣本進行梯度下降，大部分時候向著全局最小值靠近。有時候你會遠離最小值，因為那個樣本恰好給你指的方向不對，因此隨機梯度下降法是有很多噪聲的，平均來看，它最終會靠近最小值，不過有時候也會方向錯誤，因為隨機梯度下降法永遠不會收斂，而是會一直在最小值附近波動，但它并不會在達到最小值并停留在此。

指數(shù)加權平均

基本公式
當β較小時，1-β較大，θt的權重較高，能更快適應變化，但受噪聲影響更大。
反之，θt的權重較低，適應變化更慢，但受噪聲影響小，整體趨于穩(wěn)定。

第100天的數(shù)據(jù)是θ[1-100]的權值和，此時β=0.9，θ[90]及其之前的數(shù)據(jù)的權值很小，因此V100約為最近10天的溫度平均情況。

指數(shù)加權平均的偏差修正

按照上述公式，初始時期對溫度的估計會明顯偏小。
如果關心初始時期的偏差，可以在第t天時用Vt/(1-β^t)估計當天的溫度。
隨著t的增加，偏差修正的效果逐漸下降。因此只有在初期的時候偏差修正起作用。

動量梯度下降法

在梯度下降的過程中，希望縱軸的擺動盡量小，橫軸的跨度盡量大。
注意！右側Vdw并非上一層的Vdw，而是該層上次更新參數(shù)時的Vdw

RMSprop

Adam優(yōu)化算法

本質上是動量法和RMSprop的結合。

學習率衰減

當訓練結果接近最優(yōu)值時，繼續(xù)訓練會使參數(shù)值在其附近擺動，此時可以嘗試減小學習率使其逼近最優(yōu)解。

第三周：超參數(shù)調試、Batch正則化、程序框架

調試處理

在神經(jīng)網(wǎng)絡中，超參數(shù)的重要程度存在差異。如：α是最重要的超參數(shù)，而Adam方法中的ε重要性很低。
在搜索超參數(shù)時，采用隨機取樣而不是網(wǎng)格取樣，效果更好。（因為超參數(shù)的重要性存在差異）
在最優(yōu)樣本附近進行細粒度搜索，以確定更好的超參數(shù)值。

為超參數(shù)選擇合適的范圍

例如，對α在[0.0001, 1]進行取值時，用對數(shù)標尺（而非線性標尺）搜索超參數(shù)的方式會更合理。
在 Python 中，使 r=-4*np.random.rand()，α = 10r
當選擇β時，可以考察1-β的值。當β接近1時，其對變化的靈敏度會顯著提高，因此不能使用線性標尺。

Batch Norm/z的歸一化處理

Batch Norm一次只能處理一個 mini-batch 數(shù)據(jù)
默認對每層的z進行歸一化，而非a。
時刻記住：每層網(wǎng)絡的每個單元的輸出z，都是下層網(wǎng)絡的輸入，類比輸入層的一個（或多個樣本的同一位置的）特征。

將Batch Norm擬合進神經(jīng)網(wǎng)絡中，對每個batch第k層的z[k]，根據(jù)γ[k]和β[k]計算得歸一化后的值，再進行激活。
因為歸一化的操作，所以z[k]=w[k]*a[k-1]+b[k]中的b[k]可以刪去。
操作流程：
for k in batch_num:
前向傳播計算z{k}，并用BN計算z~{k}
反向傳播計算dw{k}，dγ{k}，dβ{k}
更新參數(shù)w，γ，β # 可以使用梯度法，Adam方法，動量法等

Batch Norm作用的原理

當神經(jīng)網(wǎng)絡在之前層中更新參數(shù)，Batch Norm可以確保無論其怎樣變化，得到z的均值和方差保持不變，所以即使z的值改變，至少他們的均值和方差是由β和γ決定的值。
Batch Norm減少了輸入值改變的問題，使這些值變得更穩(wěn)定，神經(jīng)網(wǎng)絡后層會有更堅實的基礎。即使輸入分布改變了一些，后層網(wǎng)絡的值會改變得更少，即使后層適應的程度減小了。它減弱了前層參數(shù)的作用與后層參數(shù)的作用之間的聯(lián)系，使得網(wǎng)絡每層都可以自己學習，稍稍獨立于其它層，這有助于加速整個網(wǎng)絡的學習。

SoftMax回歸

Loss(y, y_hat) = -ylog(y_hat)
Cost(Y, Y_hat) = ΣLoss(Y, Y_hat) / m
dz[l] = y_hat - y

有關tensorflow的用法的章節(jié)不在此記錄。

總結

以上是生活随笔為你收集整理的吴恩达DeepLearningCourse2-改善深层神经网络：超参数调试、正则化以及优化的全部內容，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)站內容還不錯，歡迎將生活随笔推薦給好友。