作者：BigMoyan
链接：https://zhuanlan.zhihu.com/p/26475643
来源：知乎
著作权归作者所有，转载请联系作者获得授权。
总而言之，DL不是太过困难的事情，但是也没有容易到21天从入门到精通的地步。所以突然很想把之前写的BP神经网络拿出来，不是很复杂，但我固执的认为，这是每个学DL的人都应该了解的事情——会无脑调别人写好的API，不代表就真的懂DL了。
好的，这篇文章与Keras无关，我们要介绍的是：
什么是BP网络，以及其推导
如何用纯Python手撸一个BP神经网络
就这两点。
本文的读者是最低意义下的“零基础”，想入门DL的同学可以自测一下……如果不能读懂本文的话，基本上你的DL基础是负数，需要先把欠的债补回来。
所以真的不要再听信什么21天速成的鬼话了，脚踏实地才能走的高远，想一步登天小心步子太大扯到蛋，欲速则不达哟。
BP神经网络：DL的祖宗
人工神经网络从来就不是这两年才冒出来的新鲜玩意，虽然最近由于深度学习的出现变得异常火爆。人工神经网络本来就是机器学习的一种方法的说，既然我们都开始搞BP了，不如就再说的更底层一点，从神经元说起。
最近有一个45个问题测出你的深度学习基本功，第一个问题就是关于神经元的，然后我就答错了……可能是我见识有限，反正我知道的“神经元”是这样的：
对于一个输入向量[a1...an]，神经元对它的响应就是按照一定的权重对它们做乘加操作，然后加一项bias，最后用某个函数f对其做映射，得到输出，也就是这样一个运算：
其中w是神经元的连接权，b是偏置，a是输入信号，f通常是一个非线性的函数，称为激活函数。
当我们用很多个神经元对输入进行变换，由于每个神经元的参数都不一样，得到的输出也不一样。n个神经元就会得到n个输出，这n个神经元就称为一层神经网络。而这层神经网络的输出本身也是一个向量，自然可以看作下一层神经网络的输入信号，于是我们又搞了若干神经元构成下一层，于是我们获得了有两层神经元构成的神经网络。一般而言，我们把输入也算作一层神经网络结点，所以此时的网络层数是3层。
我们离深度学习只有一步了。如果再加一层，让网络层达到4层及以上，恭喜你，得到了深度神经网络，也就是“深度学习”了。
超简单，是不？
用脚丫子想都知道不可能这么简单吧= =
实际上，从单个神经元，到两层神经网络，到三层神经网络，到四层以上神经网络，每一步都是巨大的飞跃，每一步……实际上都是神经网络历史上的重要事件。
单个神经元，又称“M-P神经元模型”，在1943被提出。把神经元组成一层网络层，加上输入数据构成的两层神经网络称为“感知机”。感知机由于无法处理线性不可分的问题，被图灵奖获得者Marvin Minksky一巴掌扇落尘埃，相当长时间内无人研究。两层神经网络进化为三层，就进化到了“多层感知机”，多层感知机由输入层-隐层-输出层构成，能够处理非线性问题，再加上Rumelhart重新发明的BP算法，硬硬的把神经网络起死回生一波。
但是多层感知机也是有问题的，最突出的问题是无法搞的太深，否则网络非常难训练，模型再美，训练不出来就是shi。所以多层感知机的水平，也就是个这了。然后就是我们熟悉的故事，北风呼啸之时所有人都关门闭户，唯有Hinton等少数几人踽踽独行，最终搞出预训练+微调的深度网络训练方法，挖出10+年的学术巨坑。
今天我们的故事是多层感知机和BP算法。
多层感知机的模型如下图：
顺便，文中所有图侵删。
对于一个特定任务，我们需要根据具体数据来确定模型的参数。对于多层感知机而言，参数就是每个神经元的连接权和偏置。
网络参数在损失函数的指导下确定的，这里的指导指的是，损失函数告诉你，网络的预测值跟真实值差多少，应该如何更新参数才能减小这个差距。
假设：
神经元激活函数可导的
以预测值和真值的均方差作为损失函数
BP神经网络之所以叫BP，就是其参数更新的方式遵循“误差反向传播（error BackPropagation）”的方式。在给定的网络参数的时候，一个神经网络有两项最基本的操作：
对输入数据进行运算，得到预测（Predictions），这个过程是信号从网络的输出端到网络的输出端的运算，称为前向过程。
根据预测值与真值的偏差，产生误差信号从输出端向输入端传输，并在传输的过程中更新网络的参数，这个过程称为后向过程，或者反传过程。
神经网络的训练，就是这两个过程的轮番上阵的结果。参数更新的方式，是梯度下降法。假设对给定的样本x，神经网络的输出是
，真实值为y，则网络的损失函数由最后一层神经元跟数据的真实标签产生的，所以损失函数其实直接是最后一层神经元的函数。比方说最后一层有
个神经元吧，那损失函数是：
其中，预测值的每个点
都是由隐层神经元的输出值加权和再搞个激活函数得到的，所以再写的细一点：
其中，
就是网络输出层输入，是个向量。
是最后一层的第i个神经元的参数，也是向量。
是对应的偏置，是一个数字。当然，我们可以写的更紧凑一点，用矩阵乘法来表示这个过程。如果你看不懂这一点，那代表你需要复习一下线性代数。
写来写去，都是一个意思。现在我们已经有误差了，如何根据误差一层层的反传来修改参数呢？先考虑最后一层的参数，我们要用梯度下降法对其进行更新，即：
这个偏导数由链式法则求，L是输出层预测值的直接函数，所以先求它对输出层预测值的导数，然后根据链式法则求预测值对参数的导数，大概就是这样：
那对其他层的参数呢？比方说对任意第r层的参数
，实际上也具有相同的形式：
所以要用梯度下降法更新神经网络的参数，关键就是要求出损失函数对任意层输出的导数。我们定义损失函数对第r层输出（未经过激活函数）的导数为
。先考虑r=l，即最后一层的情况。
第一项是预测值和真值的差，我们将其记作误差
。那么对网络的最后一层，梯度是可以轻松算出来的。
只需要把表达式
写出，即可轻松得到它关于
的导数。
对于非最后一层，导数计算略复杂。根据链式法则，损失函数对任意r
所以我们总有关系：
那么
是谁咧，下一层的输出当然是上一层的输出经过激活函数后再线性加权，也就是：
这个导数很好求嘛，就是跟之前一模一样的：
所以我们就构造了一个递推的关系，从最后一层开始，我们总有：
为啥叫反向传播哪，就是因为第r层的梯度更新是由沿着第r+1层的网络反传回来的
确定的，因此叫反向传播。这里我们只推了权值W的更新，偏置b的更新更加简单，这里就不推了，其实只要把每层的输入y增加一个恒为1的数，变为(y,1)就可以了，但这样不太好在代码里实现就是了。
以上就是BP算法的推导，也是深度学习的基础。所以大家知道了，为什么我们要求深度学习的目标函数必须可导，为什么激活函数一定也要可导。因为一旦有一环不可导，前向运算固然没问题，反向运算的梯度链条就要断了。目标函数不可导，则从最后一层起我们就没法更新参数。激活函数不可导，哪层不可导梯度的反传就到哪层为止。
手撸BP
下面的代码是我两年多前的时候刚学Python和机器学习时手撸的，实现了一个三层的BP神经网络，对MNIST数字进行分类，代码写的不怎么好，毕竟那会儿是刚学，python什么的用的也是稀里糊涂，写出来跟C++一个味。
这里的激活函数取得是sigmoid激活函数，它的导数是它自己再乘以1减去它自己，性质比较好。
首先读入数据，当时拿到的mnist数据是matlab存的.mat格式，所以用scipy的相关接口读一下
importmathimportnumpyasnpimportscipy.ioassio# 读入数据################################################################################print"输入样本文件名（需放在程序目录下）"filename='mnist_train.mat'sample=sio.loadmat(filename)sample=sample["mnist_train"]sample/=256.0# 特征向量归一化print"输入标签文件名（需放在程序目录下）"filename='mnist_train_labels.mat'label=sio.loadmat(filename)label=label["mnist_train_labels"]
然后配置网络，主要是设置学习率，还有隐层参数，并初始化一下权重。权重有两套，输入层到隐层的映射是一套，隐层到输出层的映射是一套：
# 神经网络配置################################################################################samp_num=len(sample)# 样本总数inp_num=len(sample[0])# 输入层节点数out_num=10# 输出节点数hid_num=6# 隐层节点数(经验公式)w1=0.2*np.random.random((inp_num,hid_num))-0.1# 初始化输入层权矩阵w2=0.2*np.random.random((hid_num,out_num))-0.1# 初始化隐层权矩阵hid_offset=np.zeros(hid_num)# 隐层偏置向量out_offset=np.zeros(out_num)# 输出层偏置向量inp_lrate=0.3# 输入层权值学习率hid_lrate=0.3# 隐层学权值习率err_th=0.01# 学习误差门限
你看，其实自己写很屌的，不同层的学习率都可以设不一样，想怎么搞怎么搞——只不过实际上用的时候是一样就是了。我这里学习率居然设了0.3简直可怕……唉那会儿真的不知道学习率多大算大23333。
然后定义几个函数，一个是激活函数，一个是损失函数。深度学习框架里损失函数都是正儿八经的要从这获得梯度的，我这损失函数就负责输出一个输出值，看看现在训练效果咋样。好吧，其实这个函数我压根没用着23333
# 必要函数定义################################################################################defget_act(x):#激活函数act_vec=[]foriinx:act_vec.append(1/(1+math.exp(-i)))act_vec=np.array(act_vec)returnact_vecdefget_err(e):#损失函数return0.5*np.dot(e,e)
然后下一步是训练网络，这里用的是随机梯度下降法——正儿八经的随机梯度下降，一个样本一个样本的来训练。这部分就是之前推导的BP神经网络了，结合代码，看一下自己是否能够读懂？
# 训练——可使用err_th与get_err() 配合，提前结束训练过程################################################################################for count in range(0, samp_num):printcountt_label=np.zeros(out_num)t_label[label[count]]=1#前向过程hid_value=np.dot(sample[count],w1)+hid_offset# 隐层值hid_act=get_act(hid_value)# 隐层激活值out_value=np.dot(hid_act,w2)+out_offset# 输出层值out_act=get_act(out_value)# 输出层激活值#后向过程e=t_label-out_act# 输出值与真值间的误差out_delta=e*out_act*(1-out_act)# 输出层delta计算hid_delta=hid_act*(1-hid_act)*np.dot(w2,out_delta)# 隐层delta计算foriinrange(0,out_num):w2[:,i]+=hid_lrate*out_delta[i]*hid_act# 更新隐层到输出层权向量foriinrange(0,hid_num):w1[:,i]+=inp_lrate*hid_delta[i]*sample[count]# 更新输出层到隐层的权向量out_offset+=hid_lrate*out_delta# 输出层偏置更新hid_offset+=inp_lrate*hid_delta
最后是测试网络，只跑前向过程，依然是一个一个样本测试：
# 测试网络################################################################################filename = 'mnist_test.mat' test = sio.loadmat(filename)test_s = test["mnist_test"]test_s /= 256.0filename = 'mnist_test_labels.mat' testlabel = sio.loadmat(filename)test_l = testlabel["mnist_test_labels"]right = np.zeros(10)numbers = np.zeros(10)# 以上读入测试数据# 统计测试数据中各个数字的数目for i in test_l: numbers[i] += 1for count in range(len(test_s)): hid_value = np.dot(test_s[count], w1) + hid_offset # 隐层值 hid_act = get_act(hid_value) # 隐层激活值 out_value = np.dot(hid_act, w2) + out_offset # 输出层值 out_act = get_act(out_value) # 输出层激活值 if np.argmax(out_act) == test_l[count]: right[test_l[count]] += 1print rightprint numbersresult = right/numberssum = right.sum()print resultprint sum/len(test_s)
其实后面还有一段保存网络，就是把权重无脑保存成txt……可见少年时期的我已经有了“神经网络最重要的是权重”这样的意识了，可惜写得太烂基本上很难recover。我就不贴了。
最后贴一个当时我调的结果，前段时间在知乎看到一个文章还是回答在吹MNIST识别，一个mlp最后结果是92%居然敢号称效果非常好。23333吹牛之前拜托了解行情啊，我一个裸着的3层MLP，乱七八糟的代码，神奇的学习率、参数初始化以及激活函数都搞到将近92%，你拿现代深度学习框架搭出来的网络也92%实在是……有一种全副武装拿着冲锋枪跟远古时代持矛野人打成平手的即视感……
横轴是隐层神经元个数，纵轴是学习率（我TM居然试了0.7的学习率这是有多屌！）
最好的效果是91.4%的准确率，这幅破烂能跑成这样可以了。
好，以上就是本期的内容。有志于深度学习的你，就从简单的BP神经网络开始吧！鞠躬下台~
对了，忘了说题图，题图是我的二老婆五更琉璃，我们是最近刚认识的不过很快就坠入爱河了，助手跟小埋已经同意我们了所以你们不要多废话。
网友评论