吴恩达深度学习——如何实现神经网络

来自吴恩达深度学习，仅为本人学习所用。

神经网络的表示

对于简单的Logistic回归，使用如下的计算图。

如果是多个神经元组合起来构成一个神经网络，计算图如下
输入特征$x1,x2,x3$所在的层是输入层；中间的三个圆圈所在的层是隐藏层，在训练集中找不到隐藏层的数据；最后的一个圆圈所在的层是输出层，直接输出$\hat{y}$。

使用上标$[1]$、$[2]$表示第一层，第二层的神经网络。之前使用$\mathbf{X}$表示输入的特征值，也可以使用${\mathbf{a}}^{[0]}$表示网络中的输入层；中间的隐藏层使用${\mathbf{a}}^{[1]}$表示，从上往下的圆圈分别为$a_1^{[1]}、a_2^{[1]}、a_3^{[1]}、a_4^{[1]}$，有${\mathbf{a}}^{[1]}=\left[\begin{array}{c}{a}_1^{[1]}\\ a_2^{[1]}\\ a_3^{[1]}\\ a_4^{[1]}\end{array}\right]$；最后产生${\mathbf{a}}^{[2]}$。

该神经网络是个2层的神经网络（隐藏层+输出层），一般不把输入层看作一个标准的层。隐藏层及最后的输出层是带有参数的。

在上面的计算图中，先计算第一层的Logistic回归，然后将计算出的$a^{[1]}$作为下一层的$X$继续计算第二层的Logistic回归，最后计算到损失函数，完成一次正向传播；接着求导完成反向传播。

计算神经网络的输出

分别计算$a_1^{[1]}$和$a_2^{[1]}$

隐藏层的每一个神经元的公式为
有$${\mathbf{Z}}^{[1]}=\left[\begin{array}{c}{z}_1^{[1]}\\ z_2^{[1]}\\ z_3^{[1]}\\ z_4^{[1]}\end{array}\right]=\left[\begin{array}{c}—w_1^{[1]T}—\\ —w_2^{[1]T}—\\ —w_3^{[1]T}—\\ —w_4^{[1]T}—\end{array}\right]\left[\begin{array}{c}{x}_1\\ x_2\\ x_3\end{array}\right]+\left[\begin{array}{c}{b}_1^{[1]}\\ b_2^{[1]}\\ b_3^{[1]}\\ b_4^{[1]}\end{array}\right]={\mathbf{W}}^{[1]}\mathbf{X}+{\mathbf{b}}^{[1]}$$$${\mathbf{a}}^{[1]}=\left[\begin{array}{c}{a}_1^{[1]}\\ a_2^{[1]}\\ a_3^{[1]}\\ a_4^{[1]}\end{array}\right]=\sigma ({\mathbf{Z}}^{[1]})$$下一层表示为$${\mathbf{Z}}^{[2]}={\mathbf{W}}^{[2]}\mathbf{X}+{\mathbf{b}}^{[2]}$$$${\mathbf{a}}^{[2]}=\left[\begin{array}{c}{a}_1^{[2]}\\ a_2^{[2]}\\ a_3^{[2]}\\ a_4^{[2]}\end{array}\right]=\sigma ({\mathbf{Z}}^{[2]})$$

激活函数

tanh

tanh 函数，即双曲正切函数，其数学表达式为：$$\tanh (x)=\frac{e^x-e^{-x}}{e^x+e^{-x}}$$

• 值域：$tanh(x)$ 的值域是$(-1,1)$。当 (x) 趋于正无穷大时，$tanh(x)$趋近于 $1$；当 $x$ 趋于负无穷大时，$tanh(x)$ 趋近于$-1$；当 $x=0$ 时，$tanh(x)=0$。
• 形状：它是一个 S 型函数，形状类似于 sigmoid 函数，但它的输出范围是(-1, 1)，而不是 sigmoid 函数的(0, 1)。
• 导数：$tanh$ 函数的导数可以根据其函数形式计算得到，$tan{h}^{\prime }(x)=1-{\tanh }^2(x)$，这个性质在反向传播算法中计算梯度时非常有用，因为导数的计算相对简单，并且在x = 0时导数最大，为 $1$，随着 $x$ 趋于正负无穷，导数趋近于 $0$。

好处如下：

• 解决梯度消失问题：相比 sigmoid 函数，$tanh$函数在一定程度上可以缓解梯度消失问题。因为 sigmoid 函数在输入绝对值较大时，梯度趋近于 0，导致梯度更新非常缓慢，而$tanh$函数的输出范围更广，其梯度在远离$0$的位置相对 sigmoid 函数来说更不容易趋近于 $0$，在某些情况下可以帮助神经网络更快地收敛。
• 中心化输出：$tanh$函数的输出是零均值的，即输出的平均值接近0，这有助于下一层的学习，因为下一层的输入的平均值不会总是正数，避免了 sigmoid 函数输出总是正的问题，这可以加快网络的收敛速度。

选择激活函数

到目前为止，如果输出的是0，1之类的二元分类问题，激活函数可以选择sigmoid函数做输出层的激活函数、其他所有单元使用ReLU函数；如果不知道隐藏层使用哪个激活函数，ReLU函数一般默认做隐藏层的激活函数；$tanh$函数相对于sigmoid函数更好。

为什么需要非激活函数

如果只是使用线性激活函数，不论一个神经网络有多少层，合并化简后的表达式与单层神经网络的激活函数表达式相同，导致隐藏层没什么作用。

双层神经网络的梯度下降法

给出上述笔记的双神经网络计算图，反向传播进行计算，有$$\mathrm{d}{a}^{[2]}=\frac{\mathrm{d}L}{\mathrm{d}{a}^{[2]}}=-\frac{y}{a^{[2]}}+\frac{1-y}{1+a^{[2]}}$$$$\frac{\mathrm{d}{a}^{[2]}}{\mathrm{d}{z}^{[2]}}=\frac{e^{-x}}{(1+e^{-x}{)}^2}=a^{[2]}(1-a^{[2]})$$$$d{z}^{[2]}=\frac{\mathrm{d}L}{\mathrm{d}{z}^{[2]}}=\frac{\mathrm{d}L}{\mathrm{d}{a}^{[2]}}\frac{\mathrm{d}{a}^{[2]}}{\mathrm{d}{z}^{[2]}}=a^{[2]}-y$$$$\mathrm{d}{w}^{[2]}=\frac{\mathrm{d}L}{\mathrm{d}{w}^{[2]}}=\frac{\mathrm{d}L}{\mathrm{d}{a}^{[2]}}\frac{\mathrm{d}{a}^{[2]}}{\mathrm{d}{z}^{[2]}}\frac{\mathrm{d}{z}^{[2]}}{\mathrm{d}{w}^{[2]}}=(a^{[2]}-y)(w^{[2]}x+b^{[2]}{)}^{\prime }=(a^{[2]}-y)x^T=(a^{[2]}-y)(a^{[1]}{)}^T$$

• 从计算图中可以看出，$x$实际上来自上一层的$a^{[1]}$。
• $x$转置是为了满足矩阵运算的维度一致性以及遵循矩阵求导的规则。还记着前面说过，该计算图中，$w^{[2]}$和$b^{[2]}$实际上是一个矩阵，对矩阵求导的时候要满足维度的一致。在单个神经元的场景下，$w$和$b$实际上是标量，不存在维度一致性的问题。

$$\mathrm{d}{b}^{[2]}=\mathrm{d}{z}^{[2]}$$$$\mathrm{d}{a}^{[1]}=\frac{\mathrm{d}L}{\mathrm{d}{a}^{[2]}}\frac{\mathrm{d}{a}^{[2]}}{\mathrm{d}{z}^{[2]}}\frac{\mathrm{d}{z}^{[2]}}{\mathrm{d}{a}^{[1]}}=(a^{[2]}-y)(w^{[2]}{)}^T{\sigma }^{\prime }(z^{[1]})=(a^{[2]}-y)(w^{[2]}{)}^T$$

$$\mathrm{d}{z}^{[1]}=\frac{\mathrm{d}L}{\mathrm{d}{a}^{[1]}}\frac{\mathrm{d}{a}^{[1]}}{\mathrm{d}{z}^{[1]}}=(a^{[2]}-y)(w^{[2]}{)}^T\odot {\sigma }^{\prime }(z^{[1]})$$

$\odot$：对于两个维度相同的向量 $\mathbf{x}=(x_1,x_2,\cdots ,x_n)$ 和 $\mathbf{y}=(y_1,y_2,\cdots ,y_n)$ ，它们的逐元素乘积 $\mathbf{z}=\mathbf{x}\odot \mathbf{y}=(x_1{y}_1,x_2{y}_2,\cdots ,x_n{y}_n)$ 。

随机初始化

对称性问题是指如果神经网络中多个神经元的权重初始值相同，就会出现对称性问题。例如，在一个多层神经网络中，若同一层的神经元初始权重都一样，那么在正向传播时，它们对输入的处理完全相同，反向传播时梯度更新也相同，这使得神经元无法学习到不同的特征，网络的表达能力受限。为避免这种情况，通常采用随机初始化权重的方法。

对于Logistic函数，将权重初始化为0是可以的，但是如果将神经网络的各参数全部初始化为0，导致隐藏单元一直在做同样的计算，对输出单元的影响一样大，多次迭代后两个隐藏单元一直在做重复的计算，也就是对称性问题。这个时候，多个隐藏单元是没有意义的，在使用梯度下降将会无效。

对于该问题，解决方案的随机初始化所有的参数。

w = np.random.randn((2,2)) * 0.01