aoi学院

Aisaka's Blog, School of Aoi, Aisaka University

深度学习-CS231n Lecture 5 [2017版]

发表于 分类于 ， 阅读次数： Valine：
本文字数： 4.1k 阅读时长 ≈ 10 分钟
  • CS231n - Training Neural Networks I

作业讲解

  • Assignment2：CNN训练作业，预训练与细调，CNN先在ImageNet进行大量数据训练，在在小批量数据中进行训练。

CNN的迁移学习

  • 可以先使用CNN在比如ImageNet这样的大数据集上先进行预训练，熟练好权重和超参数，去掉最上方的分类层，看成是一个固定特征提取器
  • 自己的数据量较少的时候可以仅仅替换最后的分类层；如果有中等规模的数据，可以再细调几层的反向传播层。
  • 已经有人在ImageNet各种数据上进行与训练模型，caffe model zoo，设置好大量超参数
  • 电脑的计算资源是有限的，要权衡时间与效果

CNN发展的历史：

  1. 1957年弗兰克-罗森布拉特制作了感知机：硬件实现的、电路电子元件实现的字母识别；激活函数使用的是二阶阶梯函数，没有微分；更新函数通过设置权值来得到比较满意的结果；没有损失函数，也没有反向传播。

  2. 1960年多层次感知机：依旧硬件实现；依旧没有反向传播，但是通过学习规则改变来观察是否得到更好结果；程序设计的观念升级，巨大的改变。

  3. 1980年鲁姆哈特第一次提出了损失函数、反向传播、梯度下降的概念，当时反向传播训练效果并不好

  4. 2006年辛顿Reinvigorated research in Deep Learning：10层无监督学习网络，一层层训练，然后集合在一起，整合起来进行反向传播。

    • 不使用预训练的方法是可以行的，但是一定要注意初始化函数的选用
    • 这里使用的Sigmoid激活函数，但并不是合适的，后续会将激活函数的特点
    • 2006年也有其他很多研究，深度学习这个词也是这一年流传，神经网络的变种。

  5. 2010年-2012年语音识别的领域，神经网络比传统特征提取更加有效果；2012年在机器视觉比赛方面，AlexNet远远强于其他算法

    • 原因在于找到了对激活函数进行初始化的方法；GPU的出现导致的算力提升；互联网时代数据量的提升。

激活函数

  • 激活函数是用来使得各层神经网络之间不是线性，不然多层神经网络将不起作用

sigmoid函数

  • 由于模拟了神经元饱和的情况，取值在[0,1]，是历史上最常用的激活函数。
  • 缺点1：饱和神经元，在函数的两边梯度为0，出现梯度消失。只有在sigmoid的激活区，训练才能正常进行下去。
  • 缺点2：sigmoid函数不是中心对称，数据预处理过程总会希望是中心对称的；sigmoid的取值落在0,1之间，经过第一层后，每层 xi 值都是正值，将会导致每梯度值总会是一个方向的正值，这样计算得到的每一层的梯度值都是一个方向，优化只会朝着一个方向逼近，优化走阶梯方向，收敛速度慢。
  • 缺点3：exp()计算成本高、时间长

tanh函数

  • tanh相当于一个对称的sigmoid函数，是中心对称的，因此收敛效果比sigmoid好
  • 缺点1：依旧是饱和神经元，在两边梯度为0时，依旧会出现梯度消失的现象。
  • 缺点2：exp的计算依然耗费大量时间。

ReLU

  • ReLU是线性非饱和函数，对SGD的加速效果非常明显，Alex Krizhevsky 指出有 6 倍之多。
  • ReLU只需要一个阈值就能够得到激活值，计算成本低。
  • 正值的梯度值为1，只要学习率合适，那么对于优化的加速效果就会比较明显，上面的函数在两端时，梯度值下降严重，可能这就是快的原因。
  • 缺点1：在小于0的值，梯度也为0，将没有激活作用。
  • 缺点2：ReLU的神经元比较脆弱，训练过程中容易死掉：在初始化时神经元没有被激活；梯度值较大经过ReLU神经元，学习率太高导致训练中落入死去，导致数据多样化丢失，更新参数后，后续梯度为0.
  • 训练方法：在进行一轮训练后，对梯度值进行检测，如果发现10%到20%的梯度死亡，那么就是学习率设置的太高

LeakyReLU & PReLU

  • 在负值时，给予-0.01的梯度，用来解决ReLU神经元死亡问题，但有时也并不一定会起作用
  • 当然不一定是0.01，可以是一个参数 αx 形成一个超参数。

Exponential Linear Units(ELU)

  • ELU是一个0均值的函数，效果会好一些，但实际上ReLU已经够用。纯属锦上添花，可能是用来发论文的，实际上属于学术上走偏的感觉。

Maxout

  • 与众不同的函数，改变了计算的变量和计算方式，使用两组参数进行计算，形成两个超平面，求其中的最大值进行计算，求导是最大值那组参数进行梯度更新，不断缩最后的损失函数。
  • 非线性激活函数，仍然具有分段性和高效性
  • ReLU和Leaky ReLU的一般形式，没有ReLU的缺点，神经元不会失活死掉。
  • 有两组参数值，两倍参数可能觉得方法并不理想，ReLU依然是使用最广泛的。

数据预处理

Step1:数据预处理

  • PCA算法（主成分分析算法）：通过协方差矩阵可以求得特征向量U，然后把每个数据点，投影到这两个新的特征向量所在空间平面，把协方差矩阵变成对角矩阵；用于数据的降维。
  • Whiteniing算法：白化算法将协方差矩阵变成单位矩阵，用于使得数据在每一个维度都变得均匀。
  • 过去的图像处理、机器学习中很常用，但是在深度学习中必要性降低。
  • PCA需要求取一个非常大的协方差矩阵，通常进行局部白化，在图像中加入一个白化过滤器，现在也不是很常用。

均值中心化

  • 对一幅图像求取均值，图像的每个像素点减去均值图像
  • 在每个颜色通道上分别计算每个通道的颜色均值，然后通过减去每个通道的均值来进行去中心化
  • 在深度学习中，使用这样的方法就足够，不需要过多的数据预处理，比如PCA和白化。

权重初始化–很重要

初始化的重要性

  1. 假设权值为0，初始化10层网络，这样网络对称，那么每一层都是相同的，梯度值也相同，这样网络就无法得到训练。

  2. 方法1：小数字随机初始化，均值为0，标准差为1e-2的高斯分布。

    • 对于层数较少时是适用的，但是当层数较多时，那么高斯分布的参数，假如有10层，每层的值进行权重乘法以后，后续数值将乘以0.01，这样经过多层以后权重的分布就再也无法保持均值为0，标准差为1e-2的高斯分布。后续分布均值为0,标准差成指数下降，这样在后期只会分布在0上，多层以后输入为0，反向传播过程中求取的梯度值将会非常小，这样在反向传播中，每一层后最后梯度趋于0，这就是梯度消失现象。

  3. 方法2：使用1来代替0.01进行随机初始化

    • 对于tanh函数就会出现结果分布在两端-1和1，处于饱和区，后续计算所有神经元都饱和，梯度为0，损失函数将不会变，无法进行反向传播，没有权值得到更新。

  4. Reaseonable初始化：使得神经元输出的方差为1。

    • 对于处于神经网络前面层的让权重输出在合适的范围，后续每层的权重都略有增大，可以有一个在预期中的范围，不饱和也不趋于0，这个方法能够在tanh中得到使用
    • 但是对于ReLU的情况，加权计算将失败，ReLU是半边函数,将方差的权重缩小了一半，因此要给他补上一个2。
  • 这些都是策略性的内容，可以使得深度学习走的更远的原因

Batch Normalization（批归一）

  1. BN的意义

    • 随机梯度下降法（SGD）对于训练深度网络简单高效，但人为的去选择参数，比如学习率、参数初始化、权重衰减系数、Drop out比例等。这些参数的选择对训练结果至关重要，以至于我们很多时间都浪费在这些的调参上。那么使用BN（详见论文《Batch Normalization_ Accelerating Deep Network Training by Reducing Internal Covariate Shift》）之后，你可以不需要那么刻意的慢慢调整参数。
    • 在训练的过程中，每一层的激活函数后的输出将会作为后一层的输入，这样当神经网络进行训练后，前级输出极大地影响后续的结果，而进行BN后，归一化的结果将降低前级对后级的影响

  2. BN的原理

    • 对于N个图像的D维特征，每一层进行均值和方差计算，这样保证每一个特征都满足高斯标准化。
    • BN插入在激活函数前，这样讲权重乘法后的输入归一到均值为0，方差为1，这样经过激活函数后的输出的数据分布依然保持均匀性。

  3. BN的参数调节

    • 神经网络学习到的数据本身就是在分布在激活函数两侧，那么归一将会打断前后层的之间的关系，因此引入变换重构，可学习参数γ、β。
    • 同时当2、3式子成立时，相当于取消BN算法。因此当发现BN能够使得网络优化效果增强，可以采用BN算法调节，反之则通过参数取消BN算法。
    • 实际上不是对于每一个特征都拥有一个γ、β，而是对于每一层的特征图，使用参数共享的方式

  4. BN的优点

    • 优化流向网络中的梯度，支持更高的学习率，能够快速训练模型。
    • 由于使用了归一化的方法，使得每层结果趋向于均值0，方差1，解决梯度消失问题；降低对于合理初始化的依赖性，可以更加随机的使用初始化值
    • 改善正则化策略：作为正则化的一种形式，减少对于dropout的依赖。
    • 可以将训练数据打乱，经过归一化后将会增强统一性，能够提高1%的精度。
    • 在测试时，均值和方差不基于小批量进行计算，可以使用训练过程中的计算得到值的均值。

跟踪训练过程

  1. 预处理数据
  1. 选择合适的网络结构

  1. 迭代输出损失函数和准确率

    • 检查损失函数：将正则化参数调大1e3，与无正则化相比，观察损失函数是否增大，增大即是合理的
    • 小批量数据进行训练：关闭正则化，观察损失函数将下降，准确率应该逼近100%
    • 小正则化参数、调节合适学习率：训练时发现损失函数下降很慢，准确率有增大，但是结果较差，属于学习率太低；损失函数出现NaN，表示学习率太高。

超参数优化

  1. 交叉验证策略

    • 将训练集划分为多个交叉验证集mini-batch，选择不同的参数作为集合，进行小批量参数验证。
    • 使用较少的迭代次数来进行验证哪些参数是合适，损失函数下降快，准确率增大快。
    • 精细化参数设置，长时间进行验证，选择到合适的参数。
    • 探测到损失函数爆炸现象：损失函数增大为原来值的3倍，需要中断函数，减少时间浪费。
    • 使用log空间阈值进行参数搜索
    • 精细化搜索，调节空间域范围
    • 随机搜素使得参数在空间份上更加均匀
    • 监测并可视化准确率，分析哪些参数变动导致准确率变化，推测原因，修正超参数：网络层数；每层神经元数目；学习率、衰减率、更新模型；正则化。