《改善深层神经网络：超参数调试、正则化以及优化》笔记(3)

作者: wipping的技术小栈 | 来源:发表于2019-07-07 20:48 被阅读0次

前言

这一课主要讲述简单的超参搜索和batch normolize的使用方法及其作用，接着会介绍另外一种激活函数softmax。内容不多，如果笔者所言有错之初，还请各位读者海涵指正

一、超参搜索

1.1、搜索方式

超参搜索有网络所有和随机搜索

网格搜索是指在所有候选的参数选择中，通过循环遍历尝试每一种可能性，表现最好的参数就是最终的结果。

举个例子，加入中有两个超参数，每个超参数有 3 个待探索的值，对它们进行笛卡尔积后得到 9 个超参数组合，通过网格搜索使用每种组合来训练模型，并在验证集上挑选出最好的超参数。如图所示，这种方法往往根据不同种类列出表格，并在表格内循环遍历搜索，因此称为网格搜索。

网格搜索算法思路及实现方式都很简单，但经过笛卡尔积组合后会扩大搜索空间，并且在存在某种不重要的超参数的情况下，网格搜索会浪费大量的时间及空间做无用功，因此它只适用于超参数数量小的情况。

网络搜索简单来说就是排列组合所有可能的超参值，逐个逐个去试，找出最优的情况

随机搜索：随机选择超参的数值，对不同的数值训练出来的性能进行比较，选出优质的数值。一般我们会选粗略地找出一个区域是比较好的，然后在这个区域内详细的查找那个最优的超参值，也就是先粗选后精选

1.2、参数范围

参数的范围选择有几种方式：

线性尺度(网络)：也就是比较普通的递增，这类参数比较均匀分布，比如隐藏单元数量，隐藏层数量等
对数尺度：如果超参的分布有数量级的差别，需要考虑使用对数来降低超参的范围，比如动量梯度下降的 $\beta$ 值、学习率等

1.3、超参搜索思路

搜索超参的思路：

手动观察模型并调参，pandas方法
同时实验多个模型，对比不同的模型参数：caviar方法

二、batch归一化

batch归一化有利于我们学习出更好、更稳健的参数

2.1、步骤

计算平均值
$u = \frac{1}{m}\sum_{i}z_i$
计算方差
$\sigma^2 = \frac{1}{m}\sum_{i}(z_i - u)^2$
Z值标准化
$z_{norm}^{(i)} = \frac{z_i - u}{\sqrt{\sigma^2 + \epsilon}}$
计算 $\tilde{z}$
$\tilde{z} = \gamma*z_{norm}^{(i)} + \beta$

其中 $\gamma$ $\beta$ 为超参， $\gamma$ 相当于 $\sqrt{\sigma^2 + \epsilon}$ ，而 $u$ 相当于 $\beta$ ， $\beta$ 和 $\gamma$ 的维度也是 $(n^i, 1)$ ，也就是和对应层输出 Z 的维度一样

为什么我们要加入 $\beta$ 和 $\gamma$ 这2个参数呢？
如果我们将z直接归一化，那么z会在很小的区间范围内，比如[0, 1]，这样的区间会使你使用sigmoid函数时，激活函数在线性区间，这样会降低模型的拟合程度，那么我们加入 $\beta$ 和 $\gamma$ 是为了能够更好的控制归一化后，也就是 $\tilde z$ 的区间，即避免让数据聚堆。我们可以通过控制 $\beta$ 和 $\gamma$ 来控制输入数据的分布，我们通过学习 $\beta$ 和 $\gamma$ 后，可以将 $\tilde z$ 控制在我们的学习效果最好的区间内

总结batch归一化的过程：
$x \Rightarrow z_i \Rightarrow \tilde{z_i} \Rightarrow a_i$

batch归一化通常和mini-batch一起使用
l在使用batch归一化后，参数 b 可以去掉，因为参数 b 可以被归纳进归一化参数 $\beta$ 中进行学习

加入batch归一化的训练步骤：

前向计算出
$z_i = w_i * x \\ z_{norm}^{(i)} = \frac{z_i - u}{\sqrt{\sigma^2 + \epsilon}} \\ \tilde{z_i} =z_{norm}^{(i)} * γ + β \\$
使用 $\tilde{z_i}$ 计算 $a_i$ ，在后向计算出 $dw，d\beta，d \gamma$
使用学习率更新参数

2.2 batch归一化理解：

训练集和测试集的X样本分布发生改变，但标签Y不变称为Covariate shift

数据集

在上图左边训练好模型，应用于上图右边的数据集，可能不会有很好的效果，因为发生了Covariate shift。对于这种情况，如果实际应用的样本与训练样本分布不同，即发生了covariate shift，则一般是要对模型重新进行训练的

视频中说：从第三层看来，输入数据发生了Covariate shift，这是为什么呢？
我们观察前面Covariate shift的定义，就知道是测试集和训练集的数据分布不同，但标签一样，说的抽象一点，就是数据X的分布不同，但映射到的输出Y是一样的，那么在第三层看来。假设我们在2轮迭代中输入了同一个 $X_i$ ，那么输入 $Y_i$ 都是一样。假设有参数 $w_2，b_2，w_1，b_1$ ，这些参数在 2 轮迭代会变化，导致第三层的输入 $a_2$ 在2轮的迭代中的数值不一样，但是我们的标签Y都是一样，所以发生了Covariate shift了

而batch normolize可以有效解决Covariate shift

为什么batch normolize可以优化Covariate shift呢？

第一层的输入数据通过BN，我们的数据集分布更加均匀，接着我们对每一层的输出进行BN，可以让每一层输入数据控制在一定的区间内，不会进行大幅度的"漂移"
这样做可以让对应层独立于其他层次的输入，降低前一层的影响，对应层的参数也就更加稳健，不会因Covariate shift而产生无法拟合的情况。

总结：batch归一化限制了 前面层的参数更新 影响 输入数据数值分布 的程度

拿上面黑猫和彩色猫的例子，通过BN，我们可以将图片的像素值控制在一个更加广泛的区间以内，而通过学习这个区间内的参数，让模型可以更加好的适应其他的数据。笔者感性的认识是我们假定有一种颜色x色(暂且理解为另一种颜色空间的表达)，那么我们是将黑色跟彩色映射到这个x色上，然后听过学习这种颜色的像素值分布来改变参数。因为加入只学习黑色，那么像素值的区间会非常的小，因为黑色的像素值是0，如果我们能过将黑色像素值给扩展到更大的范围，那么我们对其他颜色的图片拟合程度就会更大一点。当然这是笔者的粗浅理解，如果有错误还请指正

BN的正则化效果：对于每一个mini-batch，BN只是计算该mini-batch的方差和均值，所以带有一定的噪声。在缩放z的过程中也会给隐藏单元带入一定的噪声，降低隐藏单元之间的依赖性，这样就带有轻微的正则化效果，防止过拟合

dropout可以通过增大mini-batch的大小来降低正则化效果

测试集是如何进行BN？
我们在进行测试的时候一次性进行多个数据的计算，比如我们的训练集有2048个数据，我们测试时是对每一个数据进行计算的。且对每一层我们都需要计算 $u$ 和 $\sigma$ ，那么在计算测试集数据的时候需要将每个数据的 $u$ 和 $\sigma$ 进行一次平均，那么我们可以使用加权指数平均数来进行迭代，从而得到我们想要的平均数。

总结一下：在训练时， $u$ 和 $\sigma$ 都是在mini-batch上训练出来的，但在测试时，我们需要对每个样本进行逐一处理，这样对 $u$ 和 $\sigma$ 的计算方式就和训练时不同，所以我们使用指数加权平均来计算测试集的 $u$ 和 $\sigma$

三、softmax

softmax是一种激活函数，可以将二分类模型推广到多分类模型

3.1、softmax计算方式

计算 $Z^{[l]}$
$Z^{[l]} = W^{[l]}a^{[L-1]} + b^{[l]}$
计算临时变量 t
$t = e^{Z^{[l]}}$
计算 $a^{[l]}$
$a^{[l]} = \frac{e^{Z^{[l]}}}{\sum_{i=1}^{C}t_i} = \frac{t_i}{\sum_{i=1}^{C}t_i}$
其中 C 表示类的数量，视频中一共是有 4 个类，大写L代表的是最后一层的， $Z^{[l]}$ 、 $t$ 、 $a^{[l]}$ 的维度是一样的。

一般在网络的输出层我们会使用softmax激活函数，其输出的是某个类的概率

3.2、softmax后向传播

使用softmax后输出不再的一个，而是多个输出，那么此时我们需要使用另外一个损失函数，称之为交叉熵
$L(\hat y, y) = a\sum^{C}_{j=1}y_j \log(\hat y_j) \\ J(w^{[1]},b^{[1]},\cdots) = \frac{1}{m}\sum_{i=1}^{m}L(\hat y^{(i)}, y^{(i)})$

因为对数logx的性质，当x小于1时是负数，再用上负号就变成了正数，当概率x越小的时候，损失越大。所以梯度下降需要减小损失就会把模型往概率搞的方向学习

在使用softmax后，我们需要对最后一层的 z 值导数进行求导，而这里我们直接给出公式，有需要的朋友可以在链接中找到推导方法，推导过程不难，各位读者可以一试
$\frac{dL(\hat y, y)}{dz^{[L]}} = \hat y - y$

参考附录

吴恩达《优化深度神经网络》课程笔记：http://redstonewill.com/1101/
softmax函数以及相关求导过程：https://www.jianshu.com/p/ffa51250ba2e
batch归一化：https://blog.csdn.net/u010132497/article/details/79793059
Batch Normalization：https://www.cnblogs.com/cloud-ken/p/7751413.html

《改善深层神经网络：超参数调试、正则化以及优化》笔记(3)

前言

一、超参搜索

1.1、搜索方式

1.2、参数范围

1.3、超参搜索思路

二、batch归一化

2.1、步骤

2.2 batch归一化理解：

三、softmax

3.1、softmax计算方式

3.2、softmax后向传播

参考附录

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读

工作生活