深度学习之全面了解网络架构

在这篇文章中，我们将和大家探讨“深度学习中的网络架构”这个主题，解释相关背景知识，并就一些问题进行解答。

我选择的问题反映的是常见用法，而不是学术用例。我将概括介绍该主题，然后探讨以下四个问题：

1. 要进行图像分类，我应该使用哪种架构？

2. 在时序应用中，我能否重用基于图像数据训练的架构？

3. 对于时序回归，我该如何选择合适的方法？

4. 对于小型数据集，我应该使用哪种网络架构？

◆  ◆  ◆  ◆

引言

网络架构定义了深度学习模型的构建方式，更重要的是定义了它的功能。架构会决定：

• 模型准确度（网络架构是影响准确度的众多因素之一）

• 模型能预测什么

• 模型期望的输入和输出

• 层的组合以及数据如何流经这些层

大部分人会利用已有的成果，从现成的层组合入手开始训练。毕竟初次尝试某件事的话，借鉴前人的工作不失为一个好办法。

相当一段时间以来，深度学习研究人员都在探索不同的网络架构和层组合。得益于他们的工作，我们有了 GoogLeNet、ResNet、SqueezeNet 等各种网络，这些架构都取得了很好的效果。

刚起步时，您可以选择一个解决类似问题的已有架构，在它的基础上进行构建，而无需从头开始。

在选择网络架构之前，务必了解您的用例类型以及可用的常见网络。

◆  ◆  ◆  ◆

开始接触深度学习时，您可能会遇到以下常见架构：

• 卷积神经网络 (CNN)：

CNN 通常用来处理图像输入数据，但也可以用于其他输入数据，我将在问题 1 中详细说明。

• 循环神经网络 (RNN)：

RNN 包含连接，可跟踪先前信息以进行未来预测。CNN 假定每个输入是独立事件，而 RNN 则可以处理可能相互影响的数据序列。例如在自然语言处理中，前面的单词会影响后续单词出现的可能性。

• 长短期记忆 (LSTM) 网络：

LSTM 网络是针对序列和信号数据的常用 RNN。我将在问题 3 中进行详细介绍。

• 生成式对抗网络 (GAN)：

尽管下面的问题不会涉及这类网络，但是 GAN 最近越来越火了。GAN 可以基于现有数据生成新数据（想像一下并非现实真人的人像）。我觉得这挺有意思，而且有点未来感；

那么，接下来就开始回答问题！

◆  ◆  ◆  ◆

Q1

我需要一个图像分类模型。我应该使用哪种架构？

很好的问题。先说结论，您或许可以使用 CNN 进行图像分类。

原因如下。

我们首先谈谈 CNN 和 LSTM 网络分别是什么，以及它们的常见用途。

1) CNN

当谈到卷积神经网络时，有些人会说“ConvNet”，但我总觉得我自己这样说会显得有点装。

CNN 由许多层组成，但形式上遵循一种“卷积 | ReLU | 池化”的模式，这会一再重复、反反复复。

这类网络通常很适合处理图像分类问题，因为它们非常擅长局部空间模式匹配，而且在图像特征提取方面通常也优于其他方法。

别忘了，CNN 的核心是卷积。使用一系列过滤器对输入图像进行卷积可以突出图像中的特征，而不会丢失相邻像素之间的空间关系。

CNN 有很多变体，一些常见配置如下：

串联网络

Alexnet 示例。串联层排列成一直线。

DAG 网络

GoogLeNet 示例。多线多连接是 DAG 的典型特征。

2) LSTM

长短期记忆网络主要用于时序和序列数据。LSTM 网络会记住决策之前的部分数据，从而利用数据的上下文更好地作出关联。

根据经验，时序数据通常最适合用 LSTM 网络处理，而图像数据适合用 CNN。信号数据则是一个与经验部分吻合的例外。CNN 和 LSTM 网络都可以用来处理信号数据。我写过一篇关于深度学习非图像应用的文章，其中一个示例就是使用 CNN 进行语音识别。

下图是一个用于分类的简单 LSTM 网络架构：

下图是一个用于回归的简单 LSTM 网络架构：

Q2

在时序应用中，我能否重用基于图像数据训练的架构？

可以！

您需要将输出层从 classificationOutputLayer 更改为 regressionOutputLayer，可以跟随这个简单的文档示例进行操作：将分类网络转换为回归网络

Q3

实现时序回归的选择太多！我该如何选择合适的架构？

我的第一反应肯定是建议您采用 LSTM 网络！

但是，其他方法的存在必然有其意义，事实上，某些方法在特定场景下表现会更好。

如果没有更多背景信息，我就很难具体回答这个问题，因此让我们逐一分析几种可能的场景。

1) 时序回归场景 #1：

我的输入是低复杂度的时序数据。我想使用一系列数据点来预测未来的事件。

这种情况最好使用机器学习。

2) 时序回归场景 #2：

我想使用来自多个传感器的数据预测机器剩余使用寿命（即机器在不得不维修或更换之前可以使用的时间）。

这个问题来自我们在工业自动化领域的客户，他们需要赶在问题变得危险或处理代价高昂之前先找出问题。

对于这个场景，最好选择 LSTM 网络而不是机器学习回归。这种方法不要求手动识别特征，毕竟在多传感器的情况下，手动识别特征会是相当艰巨的任务。

3) 时序回归场景 #3：

我想要对音频数据进行去噪。

这里可以使用 CNN。这种方法的重点在于，在将信号传送到网络之前，先要将信号转换成图像。也就是说，您需要通过傅里叶变换或其他时频操作，将信号转换为图像表示。

借助图像，您可以看到原始信号中难以可视化的特征。这里可以使用为图像任务设计的预训练网络，因为傅里叶变换本质上是图像。

这个示例演示了如何使用 CNN 对语音进行去噪。对于场景 3，我还要补充一点：如果要从时序数据中提取信息并将其用作 CNN 输入，小波也是一种比较主流的方法。

Q4

我想构建一个用来识别图像的分类器，但是我的数据集有限。有没有一种网络架构可以更好地处理小型数据集？

网络架构和预训练网络是密切相关的。预训练模型是经过训练的神经网络。网络的权重和偏置会根据输入数据进行调整，因此面对新任务时，可以较快地重新训练网络。此过程称为迁移学习，有时所需的图像会比较少，适用于小型数据集。另一个可以考虑的方法是通过模拟或数据增强“创造”更多数据。

为帮助您进一步了解各种网络架构的适用场景，我们汇总了一些提示和窍门，其中还包括有关预训练网络的信息。

对于这个问题，我认为无论数据集大小如何，您都可以使用任何您认为合适的网络，但可以考虑使用预训练网络来减少所需的输入数据量，或考虑采用一些方法来增强数据集。