关于卷积神经网络细节的深入理解

关于卷积神经网络细节的深入理解

Ⅰ.关于softmax，Cross-Entropy Loss，Hinge Loss，L2正则化基本概念的深入理解：

1.Softmax：

通常，我们希望获得所有类别标签的概率分布。 因此，我们通过Softmax函数将得分函数f的结果映射到介于0和1之间的区间。

2.Cross-Entropy Loss：

令（xi，yi）为一对训练样本，其中xi∈R^D为训练数据，yi∈RK为一个one-hot向量，除其真实类索引为1外，全零。 假设预测${\hat{y}}_i$y^​i​∈RK是在Softmax之后计算的，则交叉熵损失为：

这里举个小例子：x输入为img，经过softmax之后得到不同的预测结果：${\hat{y}}_i$y^​i​和 ${\hat{y}}_i$y^​i​的预测值分别为0.1,0.9;而这里的1，2分别代表猫和狗2个类别。那么此时的L1=-1•log(0.1),而L2=-1•log(0.9)，L1>L2，所以这张图片更像狗而不是猫。理解：但是如果这张图片的标签是猫的话，我们就要不断训练前面的卷积层参数，使最终的预测分类更接近于猫。**

3.Hinge Loss：

注意，交叉熵损失的指数计算是相对复杂的，而有时我们不需要将预测结果映射到概率区间上。 因此，hinge Loss 的损失函数为：

j是其他类别的索引，yi是正确类别的索引。当f(xi-W)yi大于所有的f(xi,W)j+△时，损失值为0;这里的△是阈值，通过阈值判定分类正确与错误之间的界限。理解:Li含义是该输入的xi在其他类的得分大于正确分类的得分的累加作为损失值。

4.L2 norm：

正则化是防止模型学习过度拟合的常用技术。 最常见的正规化惩罚是L2范数，它通过对所有参数进行逐元素二次惩罚来阻止较大的权重：

k，d作为W权重矩阵的索引。

关于L2范数，以及正则化损失的理解:常见的范式表达形式，机器学习中 L1 和 L2 正则化的直观解释

由上可得final loss为：

总体的损失包括两项，即数据损失和正则化损失：

5.梯度的计算:

对于一个单独的数据点，hinge Loss如下：

我们可以区分权重的损失函数，取关于$w_{y_i}$wyi​​的梯度，我们得到：

对于j≠yi的其他行，梯度为：

【1()代表的是引导函数，条件成立时等于1，条件不成立时等于0。】

那么，Wj和Wyi在前向传播中是如何区分的呢？

这里展开举个例子，或许能够更好地去理解这里的概念：

假设我们有一个权重矩阵W∈R^(K×D)，偏差矢量b∈R^(K×1)，其中K是类别数，D是特征维数，然后给定输入xi∈R^(D×1)，得分函数f：R^D→R^K 是：

这里采用的是线性分类的概念，cat，dog和ship都有各自的权重模板以及独立的偏差。所以在实际的前向传播中，Wj和Wyi是可以区分并且单独计算出他们的梯度。

6.优化(OPtimization)：

while True: （对于单独的data的训练，权重的优化）

​ weights_grad = gradient(loss_fun, data, weights)

​ weights += - step_size * weights_grad

理解：weights +=step_size * (-weights_grad)。step_size代表learning rate，-weights_grad的解释：沿着梯度下降最快的方向取反，这样使得下降的速度最慢，进行收敛的迭代计算；如果这里的取梯度的方向则收敛的速度最快。

而这里的中间层采用drop out去优化：

H1 = np.maximum(0, np.dot(W1, X) + b1) # forward pass

U1 = np.random.rand(H1.shape) < p # dropout mask

*H1 = U1 # drop

对于我们的最终目标是最小化总损失，让我们考虑hinge loss作为我们的目标函数。 如果我们将为“ true”标记的数据计算的分数称为s，将为“ false”标记的数据计算的分数称为sc。 那么优化目标是：

Trick(小技巧)：把△固定为1，加速训练的收敛。

Ⅱ.反向传播(Backpropagation intution)的深入理解：

cost的变化∆C与权重的变化$\mathrm{\Delta}\omega_{j_k}^l$Δωjk​l​的关系式如下：

而变化的$\mathrm{\Delta}\omega_{j_k}^l$Δωjk​l​会在**层中引起一个小的变化 $\mathrm{\Delta}\omega_{j}^l$Δωjl​：

那么如何理解这里的概念呢？

l代表第l层网络，j代表第l层的第j个神经元，k代表的是第k个分类类别的索引，这里的是线性模型，所以每个分类类别有自己的权重的索引。

而∆C与权重的变化$\mathrm{\Delta}\omega_{j_k}^l$Δωjk​l​之间的关系在网络中并非是直接关联起来的，而是通过中间无数层的卷积层。

**量$\mathrm{\Delta}a_j^l$Δajl​的变化将导致下一层中所有**的变化：

如果一条路径经过多个**层$a_j^l,a_q^{l+1}......a_n^{L-1},a_m^L$ajl​,aql+1​......anL−1​,amL​则结果表达式为：

那么，把权重和成本之间的所有可能路径相加起来，便可以得到 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传$\mathrm{\Delta}\omega_{j_k}^l$Δωjk​l​和ΔC之间的关系 ：

而$\partial w_{jk}^l,\partial c$∂wjkl​,∂c之间的关系是什么呢？由上式变形即可得到：

以$\frac{\partial J}{\partial w_{14}^{\left(1\right)}}$∂w14(1)​∂J​为例，我们来计算它的值是多少呢？

具体的计算过程如下：