深度学习03——CNN_cnn维度和层数

说明：本系列是七月算法深度学习课程的学习笔记

1神经网络与卷积神经网络

1.1 深度神经网络适合计算机视觉处理吗

深度神经网络简称DNN，卷积神经网络简称CNN。

DNN的每一层与后面一层都是全连接。如果输入层是3维，隐层1有4个神经元。那从输入层到隐层1会有35=15个参数。如果隐层2有4个神经元，从隐层1到隐层2，需要44=16个参数。

在图像视频处理中，输入是非常大的。例如一张图片可能的输入是32x32x3，也就是一张长32，宽32的彩色图片。如果输入层有1万张图片用于训练，那参数就是=307210000维（在图像处理中一般会把 原始的输入矩阵做flatten，变为向量）。这是非常大的一个数。每一个隐层神经元数量实际中不会太少，因为太少就很难捕捉到重要信息，例如4000，参数量变为40003072*10000。这是一个很大的数字。这还只是一层。参数量大，在工程上压力大，计算、加载、存储压力都很大。参数量大，也很容易过拟合。所以DNN不适合。CNN可以。

1.2CNN的结构

CNN为什么适合计算机视觉处理呢？先看下CNN的结构。

一个CNN包含：数据输入层/input layer+卷积计算层/conv layer、激励层activation layer、池化层 pooling layer、全连接层 FC layer、Batch Normalization层（可能有）。

1.2.1 数据输入层

有3种常见的数据处理方式。
1 去均值：把数据的各个维度都中心化到0，相当于没有了截距。

2 归一化：把数据的各个维度都归一化到同样的范围，便于梯度计算，各个维度收敛速度一致。
常见的归一化的方法有：
min-max标准化，将数据归一到[0,1]范围内。$x^{\ast }=\frac{x-min}{max-min}$。
z-score标准化：处理后数据变为符合标准正态分布。$x^{\ast }=x-\mu \sigma$,其中μ为所有样本数据的均值，σ为所有样本数据的标准差。

3 PCA/白化:PCA 降维 。白化：降维之后的各个维度可能幅度不一致，这里再做一次归一化。

注意：这里需要说明的是如果在训练集上做了什么操作，在测试集或者预测的时候也需要做同样的处理。可以使用样本的归一化的值（均值、方差等），做归一化。

1.2.2 卷积层

卷积层的几个核心概念：局部关联、 窗口滑动。

局部关联是指用输入层的一小块区域与下一层的每个神经元做内积。这块小区域被称为一个窗口。一个窗口计算完，按照一定的步长移动窗口，直至计算完成。滑动过程中遇到最后一次计算，不够窗口宽度，可以填充0，补充完整。

下一层神经元的个数被称为深度。
下一层中每个神经元的连接权重是固定的。如图中下一层有5个神经元，那就是5组参数。每一组参数是会与窗口中的数据做内积，如果窗口是一个3x3x3的大小，那一个神经元的参数个数就是3x3x3。这一层参数总个数是3x3x3x5。这样参数的数量与DNN（32x32x3x5）相比就少了很多。

一组固定的权重与不同的窗口内数据做内积，这个过程称为卷积。

1.2.3 激励层

激励层：把卷积层的输出做非线性变换。否则无论加多少个隐层，这个符合函数还是线性的。是不能形成弯曲的曲线，在某些数据上是没法分割的。
常用的激励函数有：sigmoid、tanh（双曲正切）、Relu、Leaky Relu、ELU、Maxout
只要神经网络正常，选择哪个激励函数不影响最后的结果。
慎用sigmoid函数，优先选择Relu，可以继续尝试Leaky Relu、Maxout。

1.2.3 池化层

池化层：夹在连续的卷积层中间。主要起到压缩数据和参数的作用，可以防止过拟合。

可以做池化的原因是发现将一个224x224的特征可视化之后发现降低到112x112，特征不会丢失很多。

可以采取的池化方法是max pooling和average pooling。

相当于给一个图像做了模糊化。减少了数据量，对下一层就意味着减少了输入的参数量。同时因为模糊化了，降低过拟合的风险。

1.2.4 全连接层

全连接：两层之间所有神经元都有权重链接。通常全连接层放在CNN的尾部。

一个典型的CNN结构=INPUT +[[CONV->RELU]*N->POOLING?]*M+[FC->RELU]*K+FC

1.3CNN的训练算法

先定义loass function：衡量和实际结构之间的差距
找到最小化损失函数的W和b，CNN中使用的是SGD
利用BP 链式法则求导，求出dw和db(将错误信息回传到每一层)
利用SGD/随机梯度下降，迭代更新W和b(学习到新一轮知识)

1.4CNN的优缺点

优点：共享卷积核，优化计算量；
　　　无需手动选择特征，训练好权重即得特征；
　　　深层次的网络抽取图像信息丰富，表达效果好。
缺點：需要调参、计算量大
　　　物理含义不明确

2正则化与Droupout

原因：神经网络学习能力过强，可能会过拟合
传统方式可以使用L1、L2正则化，在NN中是使用dropout。
Dropout正则化：别一次开启所有学习单元。给每个神经元安了一个开关，这个开关会以一定的概率关闭。

在训练阶段：

p=0.5

def train_step(X):
	H1 = np.maximum(0, np.dot(W1,X)+b1)
	U1 = np.random.rand(H1.shape) <p//＜p则保留
	H1 = H1*U1
	...
1
2
3
4
5
6
7

在预测阶段：

def predict(X):
	H1 = np.maximum(0, np.dot(W1,X)+b1)*p
	....
1
2
3

在预测阶段会乘以概率p，实际工程中，会在训练阶段除以p。

p=0.5

def train_step(X):
	H1 = np.maximum(0, np.dot(W1,X)+b1)
	U1 = (np.random.rand(H1.shape) <p)/p
	H1 = H1*U1
	...

def predict(X):
	H1 = np.maximum(0, np.dot(W1,X)+b1)
	....
1
2
3
4
5
6
7
8
9
10
11

对dropout的理解方式一：不要记住太多的东西，学习过程中保持泛华能力。
对dropout的理解方式二：每次都关掉一部分感知器，得到一个新模型，最后做融合。不至于听一家之言。

3典型结构与训练调优

典型CNN网络有：Lenet、AlexNet、ZFNet、VGG、GoogleNet、ResNet。
调优：可以在这些典型的网络模型基础上训练自己的图片分类模型。可以做的是：不要修改层的名称，使用原有参数，降低学习率；修改层的名称，修改分类数为自己的分类数量，提高学习率；新增自己的层，提高学习率。