技能补给站 | 零基础成为深度学习高手（二）

接上文→ 技能补给站 | 零基础成为深度学习高手（一）

反向传播/梯度下降

既然讲到机器学习，那当然是让机器自己去通过数据去学习，那机器是如何进行自学习的呢？下面就要敲黑板，划重点了，因为这就是深度学习的重中之重了，也就是机器学习的核心了，理解了这个概念，基本上就理解了一多半了。

这个概念就是反向传播。听名字比较玄乎，其实这个概念大家在高等数学里都接触过这个概念了——梯度，其实也就是求导。

对于一维函数而言，函数梯度下降的方向就是导数的反方向。

对于二维函数而言，就是把误差对每个变量求偏导，偏导的反方向即为梯度下降的方向。

说起来有点抽象，我们举个实例来说明一下。

下面是我们的参数和损失函数的值。

我们先对第一个参数加一个极小值，算出新的损失函数。

然后用损失函数的变化去除这个极小值，就是这个参数的梯度了。

同样我们可以使用同样的方法去求得其他参数的梯度。

只要找到梯度下降的方向，按照方向去优化这些参数就好了。这个概念就是梯度下降。

但是我们知道，我们要训练的参数非常多，数据量也非常大，经常是百万、千万量级的，如果每次都把全部训练数据都重新计算一遍，计算损失函数，然后再反向传播，计算梯度，这样下去，模型的误差优化的非常非常慢。

那有没有更快的方法呢？

当然有了。

这些参数（weights），数量非常多，大概有上百万个，为了保证能够更好、更快的计算，节省算力，一般选用随机梯度下降方法，随机抽取一定数量（即为批量，batch）的样本，去计算梯度值，一般选择32/64/128。

这个方法就是随机梯度下降，这个批量（batch）这也是大家经常要调的参数。

我们可以这样理解随机梯度下降，其核心思想是，梯度是期望。期望可使用小规模的样本近似估计。具体而言，在算法的每一步，我们从训练集中均匀抽出小批量样本来代替全部数据的梯度，因为其梯度期望是一致的。

值得一提是：这些batch中的样本，必须是随机抽取的，否则其期望就准确了。选的批量（batch）的值越小，进行一次参数优化的计算量越小，就越快，但是其随机性会比较大一些，如果选取的批量值比较大，则计算会稍微慢一些，但是随机性会小一些，这是我们需要权衡的。

前向计算一次，反向反馈一下，更新一下参数，叫做一个Epoch.

Epoch的次数也是个超参数，也是需要搭建模型的时候可以调整的参数。

在整个模型中也是类似的。

简单总结下，截止到目前，我们已经了解了一些深度学习的基本概念，比如什么是卷积神经网络，了解了反向传播的传播的概念，如何梯度下降的方法去优化误差。

基本上深度学习是什么回事，大家已经知道了，但是深度学习还需要注意一些细节。有句话说的好，细节就是魔鬼，细节处理的好坏很大程度上决定了你是一个高手，还是一个菜鸟。

深度学习之高手进阶

我们在进行深度学习的时候一般会按照这4个步骤进行。

获取数据

很大程度上，数据的多少决定模型所能达到的精度。再好的模型，没有足够数据，也是白瞎。

对于监督学习而言，需要大量标定的数据。

数据的获取是有成本的，尤其是我们需要的数据都是百万、千万量级的，成本非常高。亚马逊有个专门发布标定任务的平台，叫做Amazon Mechanical Turk.

很多大的数据，比如IMAGENET就是在这上面做label的。

Amazon从中抽取20%的费用，也就是说，需求方发布100美元的任务，得多交20美元给Amazon，躺着也挣钱。

由于数据的获取是有成本的，而且成本很高的。

所以我们需要以尽量低的价格去获得更多的数据，所以，在已经获得数据基础上，仅仅通过软件处理去扩展数据，就是非常重要的，常见的数据扩展的方法见下图。

数据预处理-归一化

为了更好的计算数据，避免出现太大或者太小的数据，从而出现计算溢出或者精度失真，一般在开始做数据处理之前，需要进行归一化处理，就是将像素保持在合理的范围内，如[0,1]或者[-1,1]。

模型搭建

除了上面提到的卷积神经网络之外，我们在搭建模型的时候，还需要一些其他层，最常见的是输出控制。

全连接层Fully-connected

全连接层，其字面意思就是将每个输入值和每个输出值都连接起来，全连接层的目的其实就是控制输出数量。

比如我们最终分类是有10类，那我们需要把输出控制为10个，那就需要一个全连接层来链接输出层。

softmax

我们用数值来表征其可能性大小，数值越大，其可能性越大，有的值可能很大，有的值可能很小，是负的。

怎么用概率来表征其可能性呢？总不能加起来一除吧，但是有负数怎么办呢？全连接之后，我们每个类别得到一个值，那怎么转化表征其可能性的概率呢？我们一般通过softmax来转化。

softmax的目的就是把数值转化给每个标签的概率，就是将最终各个值的得分，转化成各个输出值的概率。

独热编码 One-Hot Encoding

独热编码，又叫做一位有效编码。

有多少标签，就转化为多少行的单列矩阵，其本质就是将连续值转化为离散值。

这样可以直接直接将输出值直接输出，得到一个唯一值。

就像一个筛子，只留一个最大值，其他全部筛掉。

我们以LeNet为例串起来看（见下图），输出值经过全连接层，转化为10个标签值，然后经过softmax和one-hot

encoding，最终转化为唯一的识别标签值，就是我们想要的结果。

客观评价——交叉验证

讲完输出控制，我们再讲一下评价方法。

我们有一些数据，希望利用现有的数据去训练模型，同时利用这些数据去评价这个模型的好坏，也就是我们需要知道，这个模型的准确率是50%，还是90%，还是99%？

具体怎么去做呢？

最先想到的是，用全部的数据去训练，然后评价的时候，从中抽取一定数量的样本去做验证。这不是很简单嘛？

但是，这样不行。

想像一下，在高考考场上，你打开试卷，看了一眼之后高兴坏了。因为你发现这些试题你之前做练习的时候都做过。

其实是一个道理。如果拿训练过的数据去做验证，那得到的误差率会比实际的误差率要低得多，也就失去了意义。

那怎么办呢？我们需要把训练数据和最终评价的数据（也就是验证数据）要分开。这样才能保证你验证的时候看的是全新的数据，才能保证得到的结果是客观可靠地结果。所以我们会得到两个误差率，一个是训练集的误差率，一个是验证集的误差率，记住这两个误差率，后面会用到。

拿到数据的第一步，先把所有的数据随机分成两部分：训练集和验证集。一般而言，训练集占总数据的80%左右，验证集占20%左右。

训练的时候，随机从训练集中抽取一个批量的数据，去训练，也就是一次正向传播和一次反向传播。

这一轮做完之后，从验证集里随机抽取一定数量来评价下其误差率。

每做一轮学习，一次正向传播一次反向传播，就随机从验证集里抽取一定数量数据来评价其模型的准确率，一轮之后我们获得训练误差率和验证误差率。

接下来就是重点了，就是模型训练。

模型训练

实际训练模型的时候，我们会碰到两大终极难题，一个是欠拟合，一个是过拟合。

所谓欠拟合，就是训练误差率和验证误差率都很高。

所谓过拟合，就是训练集的误差率很低，但是验证集的误差率很高。

欠拟合和过拟合其实跟模型的复杂程度有很大的关系。

比如这张图里面，本来是抛物线的数据，如果用线性模型去拟合的话，效果很很差。如果用9次方模型去拟合的话，虽然训练集表现非常好，但是测试新数据的时候，你会发现表现很差。

欠拟合的原因其实比较简单，就是模型的深度不够，只需要把模型变得复杂一些就能解决。

过拟合的原因就比较多了，一般来说，简单粗暴的增加训练集的数量就能解决这个问题，但是有时候受限于客观条件，我们没有那么多数据。这时候我们就需要调整一些参数来解决过拟合的问题了。

模型中能调整的参数叫做超参数。

调整这些参数，有时候有道理，有时候又没有道理，更多的是靠的一种感觉。所有有人说，调整超参数更像是一项艺术。

常见的调整的超参数有以下几种，下面我们逐项介绍一下。

学习率

上面提到的随机梯度下降中，我们会在梯度的前面加一个系数，我们管它叫做学习率，这个参数直接影响了我们误差下降的快慢。

当我们遇到问题的时候，先尝试调整下学习率，说不定就能解决问题。

选择一个合适的学习率可能是困难的。学习率太小会导致收敛的速度很慢，学习率太大会妨碍收敛，导致损失函数在最小值附近波动甚至偏离最小值。下面这张图比较好的说明了学习率高低对模型误差下降的影响。

冲量Momentum

冲量的概念其实就是在梯度下降的时候，把上次的梯度乘以一个系数pho，加上本次计算的梯度，然后乘以学习率，作为本次下降用的梯度。pho一般选取0.9或者0.99。其本质就是加上了之前梯度下降的惯性在里面，所以叫做冲量。

有时候会采用冲量（momentum）能够有效的提高训练速度，并且也能够更好的消除SGD的噪音（相当于加了平均值），但是有个问题，就是容易冲过头了，不过总体来说，表现还是很不错的，一般用的也比较多。

下面这两张图也能看出来，SGD+冲量能够有效的加快优化速度，还能够避免随机的噪音。

轮数epochs

前面提到，一次正向传播，一次反向传播就是一轮，也就是一个epoch。

一般来说，轮数越多，其误差会越好，但是当学习的越多的时候，他会把一些不太关键的特征作为一些重要的判别标准，从而出现了过拟合。如果发现这种情况（下图），我们需要尽早停止学习。

参数初始化（weights initialization）

对于模型的所有参数，我们均随机进行初始化，但是初始化的时候我们一般会让其均值为0，公差为sigma，sigma一般选择比较大，这样其分散效果比较好，训练效果也比较好。

但是有时候仅仅调整超参数并不能解决过拟合的问题，这时候我们需要在模型上做一些文章，在模型上做一些处理，来避免过拟合。

Dropout

最常见的方法就是dropout.

drop的逻辑非常简单粗暴，就是在dropout过程中，有一半的参数不参与运算。

比如说公司里，每天随机有一般人不来上班，为了正常运转，每个岗位都需要有好几个人来备份，这样公司就不会过于依赖某一个人，其实是一个道理。

dropout的本质是冗余。为了避免过拟合，我们需要额外增加很多冗余，使得其输出结果不依赖于某一个或几个特征。

Pooling池化

除此之外，池化也是比较常用到的。

Pooling主要的作用为降维，降维的同时能够保留主要特征，能够防止过拟合。

Pooling主要有两种：一种是最大化Pooling，还有一中是平均池化。

最大池化就是把区域的最大值传递到下一层（见下图），平均池化就是把区域内的平均值传递到下一层。

一般在Pooling之后会加上一个1x1的卷积层，这样能够以非常低的成本（运算量），带来更多的参数，

更深的深度，而且验证下来效果也非常好。

接下来我们可以分析下Lenet的数据，看的出来是卷积—>池化—>卷积—>池化—>平化（Flatten，将深度转化为维度）—>全连接—>全连接—>全连接。

下面这个模型也比较简单，经过多层卷积、池化之后，平化，然后经过softmax转化。

截止到目前，我们又了解了训练模型所需要的技巧，如获取数据、预处理数据、模型搭建和模型调试，重点了解了如何防止过拟合。

恭喜你，现在你已经完全了解了深度学习的全部思想，成功晋级成深度学习高手了~

接下来我们看下深度学习的发展趋势。

深度学习发展趋势

目前深度学习在图像识别领域取得了很多突破，比如可以对一张图片多次筛选获取多个类别，并标注在图片上。

还可以进行图像分割。

在做图像分割标注的时候，难度很大，需要把每个类别的范围用像素级的精度画出来。这对标注者的素质要求很高。

还可以根据图像识别的结果直接生成语句。

Google翻译可以直接将图片上的字母翻译过来，显示在图片上，很厉害。

最近媒体上很多新闻，说人工智能可以作诗，写文章，画画等等，这也都是比较简单的。

但是当前图像识别领域还存在一些问题，最大的就是其抗干扰能力比较差。

下图中左侧的图片为原始图片，模型可以轻易识别，但是人工加上一些干扰之后，对于肉眼识别不会造成干扰，但是会引起模型的严重误判。

这种情况可能会在某些很重要的商业应用中带来一些风险，比如在自动驾驶的物体识别时，如果有人故意对摄像头造成干扰，就会引起误判，从而可能会引起严重后果。

深度学习在自动驾驶领域有比较多的应用。

下图为加特纳技术曲线，就是根据技术发展周期理论来分析新技术的发展周期曲线（从1995年开始每年均有报告），以便帮助人们判断某种新技术是否采用。其把技术成熟经过5个阶段：1是萌芽期，人们对新技术产品和概念开始感知，并且表现出兴趣；2是过热期，人们一拥而上，纷纷采用这种新技术，讨论这种新技术；3是低谷期，又称幻想破灭期。过度的预期，严峻的现实，往往会把人们心理的一把火浇灭；4是复苏期，又称恢复期。人们开始反思问题，并从实际出发考虑技术的价值。相比之前冷静不少；5是成熟期，又称高原期。该技术已经成为一种平常。

当前机器学习和自动驾驶就处在过热期。

说到底，人工智能其实就是一种工具而已，只不过这项工具能做的事情多了一些而已。

未来人工智能会融入到生活中的方方面面，我们不可能阻挡这种趋势，所以我们唯一能做的，就是好好利用好这个工具，让未来的工作和生活更加方便一些。

关于人工智能威胁论

当前有些媒体在肆意宣扬人工智能威胁论，这其实是毫无道理的。

当人类对自己不了解的事物会本能的产生恐惧，越是不了解，越是会产生恐惧。

大家今天看下来，是不是也觉得人工智能也没啥。

其实就是因为了解了，所以才不会恐惧。我们只有了解他，才能更好的利用好它。

当前有部分无良媒体以及所谓的专家，在传播人工智能威胁论。

其实所谓的专家根本就不是这个领域的专家，如果他不是这个领域的专家，那他对这个话题其实就没有话语权，他说话的分量就跟一个普通人说的没什么区别。

流传比较广的，比如说某个坐在轮椅上获得过诺贝尔物理学奖的英国物理学家，对，没错，我说的就是霍金。

还有某国际著名新能源汽车公司的CEO，对，我说的就是Elon Musk。

他们对人工智能其实也完全是一知半解。

大家今天听完之后，对人工智能的理解就可以秒杀他们了。

最近看到吴军的一句话，来解释这个人工智能威胁论，觉得非常恰当。

总结一下人工智能的边界。1. 世界上有很多问题，其中只有一小部分是数学问题；2. 在数学问题中，只有一小部分是有解的；3. 在有解的问题中，只有一部分是理想状态的图灵机可以解决的；4. 在后一类的问题中，又只有一部分是今天实际的计算机可以解决的；5. 而人工智能可以解决的问题，又只是计算机可以解决问题的一部分。

来自： 幸运符hjssc716 > 《人工智障》