第一次作業：深度學習基礎

• 2020 年 7 月 25 日
• 筆記
• 深度學習

第一次作業：深度學習基礎

經過了第一周的學習，對深度學習有了系統的認識。

• 視頻學習
  • 1.1 緒論
  • 1.2 深度學習概述
  • 1.3 pytorch基礎
• 代碼練習
  • 2.1 螺旋數據分類
  • 2.2 回歸分析

1. 視頻學習

通過視頻學習整理出以下知識點，做好理論儲備。

1.1 緒論

AI誕生：1956年美國達特茅斯會議：人工智能 (Artificial Intelligence) 概念誕生。

圖靈測試（英語：Turing test，又譯圖靈試驗）是圖靈於1950年提出的一個關於判斷機器是否能夠思考的著名思想實驗，測試某機器是否能表現出與人等價或無法區分的智能。測試的談話僅限於使用唯一的文本管道，例如計算機鍵盤和屏幕，這樣的結果不依賴於計算機把單詞轉換為音頻的能力。

——維基百科

關係：人工智能>機器學習>深度學習

機器學習應用領域：

計算機視覺(CV)、語音識別、自然語言處理(NLP)

計算機視覺應用：圖像分類、目標檢測、語義分割等

機器學習三要素：

• 模型：問題建模、確定假設空間
• 策略：確定目標函數
• 算法：求解模型參數

對於模型的分類：

• 數據標記：監督學習模型、無監督學習模型（半監督學習模型、強化學習模型）
• 數據分佈：參數模型、非參數模型
• 建模對象：判別模型、生成模型

知識工程(專家系統) vs 機器學習(神經網絡)

知識圖譜(符號主義) vs 深度學習(連接主義)

機器學習模型：

人工智能的發展：

標誌性人物：

2019年圖靈獎：Geoffrey Hinton， Yann LeCun，和Yoshua Bengio

1.2 深度學習概述

神經網絡結構的發展：

深度學習三個助推劑：大數據、算法、計算力

深度學習的局限性：

線性回歸、決策樹、SVM、隨機森林、深度學習，從左往右準確性（泛化性）遞增，解釋性遞減。

M-P神經元：

M-P神經元由McCulloch與Pitts發現並命名，作為神經網絡的基本單位。

各種激活函數：

萬有逼近定理：

• 如果一個隱層包含足夠多的神經元，三層前饋神經網絡（輸入-隱層-輸出）能以任意精度逼近任意預定的連續函數。
• 當隱層足夠寬時，雙隱層感知器（輸入-隱層1-隱層2-輸出）可以逼近任意非連續函數：可以解決任何複雜的分類問題。

為什麼線性分類任務組合後可以解決非線性分類任務？

答：第一層感知器經過空間變換將非線性問題轉化為線性問題。

• 梯度：一個向量。方向是最大方嚮導數的方向。模為方嚮導數的最大值。

• 梯度下降：參數沿負梯度方向更新可以使函數值下降。

• 反向傳播：根據損失函數計算的誤差通過反向傳播的方式，指導深度網絡參數的更新優化。

為什麼使用梯度下降來優化神經網絡參數？

我們的目的是讓損失函數取得極小值。所以就變成了一個尋找函數最小值的問題，在數學上，很自然的就會想到使用梯度下降來解決。

深度學習兩個優化器：Adam、SGD(隨機梯度下降)

一般Adam效果較好。

梯度消失、爆炸會帶來哪些影響？

舉個例子，對於一個含有三層隱藏層的簡單神經網絡來說，當梯度消失發生時，接近於輸出層的隱藏層由於其梯度相對正常，所以權值更新時也就相對正常，但是當越靠近輸入層時，由於梯度消失現象，會導致靠近輸入層的隱藏層權值更新緩慢或者更新停滯。這就導致在訓練時，只等價於後面幾層的淺層網絡的學習。

神經網絡的第三次興起：

解決梯度消失的方法：

逐層預訓練(layer-wise pre-training)：權重初始化，擁有一個較好的初始值，儘可能避免局部極小值梯度消失。

• 受限玻爾茲曼機(RBM)
• 自編碼器(Autoencoder)

自編碼器原理：

假設輸出與輸入相同(target=input)，是一種儘可能復現輸入信號的神經網絡。通過調整encoder和decoder的參數，使得重構誤差最小。

自編碼器可實現降維、去噪

微調(fine-tune)

1.3 pytorch基礎

• torch.Tensor（張量，各種類型數據的封裝）
  • data屬性，用來存數據
  • grad屬性，用來存梯度
  • grad_fn，用來指向創造自己的Function
• torch.autograd.Function（函數類，定義在Tensor類上的操作）

如何用Pytorch完成實驗？

1. 加載、預處理數據集
2. 構建模型
3. 定義損失函數
4. 實現優化算法
5. 迭代訓練
6. 加速計算（GPU）
7. 存儲模型
8. 構建baseline

2. 代碼練習

理論指導實踐，這裡引入中國海洋大學視覺實驗室前沿理論小組 pytorch 學習中03分類問題（離散性）、04回歸問題（連續性）兩個經典的範例，通過Colaboratory運行代碼觀察結果，並寫下一點自己的理解。

在訓練模型時，如果訓練數據過多，無法一次性將所有數據送入計算，那麼我們就會遇到epoch，batchsize，iterations這些概念。為了克服數據量多的問題，我們會選擇將數據分成幾個部分，即batch，進行訓練，從而使得每個批次的數據量是可以負載的。將這些batch的數據逐一送入計算訓練，更新神經網絡的權值，使得網絡收斂。

一個epoch指代所有的數據送入網絡中完成一次前向計算及反向傳播的過程。

所謂Batch就是每次送入網絡中訓練的一部分數據，而Batch Size就是每個batch中訓練樣本的數量

iterations就是完成一次epoch所需的batch個數。

問題：

• 神經網絡的輸出層需要激活函數嗎？

2.1 螺旋數據分類

這裡有三點需要注意：

每一次反向傳播前，都要把梯度清零：當GPU顯存較少時，又想要調大batch-size，此時就可以利用PyTorch默認進行梯度累加的性質來進行backward。

梯度累加就是，每次獲取1個batch的數據，計算1次梯度，梯度不清空，不斷累加，累加一定次數後，根據累加的梯度更新網絡參數，然後清空梯度，進行下一次循環。

一定條件下，batchsize越大訓練效果越好，梯度累加則實現了batchsize的變相擴大，如果accumulation_steps為8，則batchsize ‘變相’ 擴大了8倍，是我們這種乞丐實驗室解決顯存受限的一個不錯的trick，使用時需要注意，學習率也要適當放大。

——知乎Pascal

加入ReLU激活函數，分類的準確率顯著提高：非線性變換。

為什麼激活函數是非線性的？如果不用激勵函數（相當於激勵函數是f(x)=x），在這種情況下，每一層的輸出都是上一層的線性函數，無論神經網絡有多少層，輸出都是輸入的線性組合，這與一個隱藏層的效果相當（這種情況就是多層感知機MPL）。但當我們需要進行深度神經網絡訓練（多個隱藏層）的時候，如果激活函數仍然使用線性的，多層的隱藏函數與一層的隱藏函數作用的相當的，就失去了深度神經網絡的意義，所以引入非線性函數作為激活函數。

一般在描述神經網絡層數時不包括輸入層。

2.1.1 構建線性模型分類

learning_rate = 1e-3
lambda_l2 = 1e-5

# nn 包用來創建線性模型
# 每一個線性模型都包含 weight 和 bias
model = nn.Sequential(
    nn.Linear(D, H),
    nn.Linear(H, C)
)
model.to(device) # 把模型放到GPU上

# nn 包含多種不同的損失函數，這裡使用的是交叉熵（cross entropy loss）損失函數
criterion = torch.nn.CrossEntropyLoss()

# 這裡使用 optim 包進行隨機梯度下降(stochastic gradient descent)優化
optimizer = torch.optim.SGD(model.parameters(), lr=learning_rate, weight_decay=lambda_l2)

# 開始訓練
for t in range(1000):
    # 把數據輸入模型，得到預測結果
    y_pred = model(X)
    # 計算損失和準確率
    loss = criterion(y_pred, Y)
    score, predicted = torch.max(y_pred, 1)
    acc = (Y == predicted).sum().float() / len(Y)
    print('[EPOCH]: %i, [LOSS]: %.6f, [ACCURACY]: %.3f' % (t, loss.item(), acc))
    display.clear_output(wait=True)

    # 反向傳播前把梯度置 0 
    optimizer.zero_grad()
    # 反向傳播優化 
    loss.backward()
    # 更新全部參數
    optimizer.step()

[EPOCH]: 999, [LOSS]: 0.861541, [ACCURACY]: 0.504

2.1.2 構建兩層神經網絡分類

learning_rate = 1e-3
lambda_l2 = 1e-5

# 這裡可以看到，和上面模型不同的是，在兩層之間加入了一個 ReLU 激活函數
model = nn.Sequential(
    nn.Linear(D, H),
    nn.ReLU(),
    nn.Linear(H, C)
)
model.to(device)

# 下面的代碼和之前是完全一樣的，這裡不過多敘述
criterion = torch.nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(model.parameters(), lr=learning_rate, weight_decay=lambda_l2) # built-in L2

# 訓練模型，和之前的代碼是完全一樣的
for t in range(1000):
    y_pred = model(X)
    loss = criterion(y_pred, Y)
    score, predicted = torch.max(y_pred, 1)
    acc = ((Y == predicted).sum().float() / len(Y))
    print("[EPOCH]: %i, [LOSS]: %.6f, [ACCURACY]: %.3f" % (t, loss.item(), acc))
    display.clear_output(wait=True)
    
    # zero the gradients before running the backward pass.
    optimizer.zero_grad()
    # Backward pass to compute the gradient
    loss.backward()
    # Update params
    optimizer.step()

[EPOCH]: 999, [LOSS]: 0.183681, [ACCURACY]: 0.943

2.2 回歸分析

兩點思考：

對比三類激活函數：

有兩個主要原因可能導致Dead ReLU Problem：

1. 非常不幸的參數初始化，這種情況比較少見
2. 學習速率太高導致在訓練過程中參數更新太大，不幸使網絡進入這種狀態

解決方法：可以採用Xavier初始化方法，以及避免將學習速率設置太大或使用adagrad等自動調節學習速率的算法。

ReLU與Tanh表現效果不同：前者是分段的線性函數，而後者是連續且平滑的回歸。

The former is a piecewise linear function, whereas the latter is a continuous and smooth regression.

2.2.1 建立線性模型（兩層網絡間沒有激活函數）

learning_rate = 1e-3
lambda_l2 = 1e-5

# 建立神經網絡模型
model = nn.Sequential(
    nn.Linear(D, H),
    nn.Linear(H, C)
)
model.to(device) # 模型轉到 GPU

# 對於回歸問題，使用MSE損失函數
criterion = torch.nn.MSELoss()

# 定義優化器，使用SGD
optimizer = torch.optim.SGD(model.parameters(), lr=learning_rate, weight_decay=lambda_l2) # built-in L2

# 開始訓練
for t in range(1000):
    # 數據輸入模型得到預測結果
    y_pred = model(X)
    # 計算 MSE 損失
    loss = criterion(y_pred, y)
    print("[EPOCH]: %i, [LOSS or MSE]: %.6f" % (t, loss.item()))
    display.clear_output(wait=True)
    # 反向傳播前，梯度清零
    optimizer.zero_grad()
    # 反向傳播
    loss.backward()
    # 更新參數
    optimizer.step()

[EPOCH]: 999, [LOSS or MSE]: 0.029701

2.2.2 兩層神經網絡

# 這裡定義了2個網絡，一個 relu_model，一個 tanh_model，
# 使用了不同的激活函數
relu_model = nn.Sequential(
        nn.Linear(D, H),
        nn.ReLU(),
        nn.Linear(H, C)
)
relu_model.to(device)

tanh_model = nn.Sequential(
        nn.Linear(D, H),
        nn.Tanh(),
        nn.Linear(H, C)   
)
tanh_model.to(device)

# MSE損失函數
criterion = torch.nn.MSELoss()
# 定義優化器，使用 Adam，這裡仍使用 SGD 優化器的化效果會比較差，具體原因請自行百度
optimizer_relumodel = torch.optim.Adam(relu_model.parameters(), lr=learning_rate, weight_decay=lambda_l2) 
optimizer_tanhmodel = torch.optim.Adam(tanh_model.parameters(), lr=learning_rate, weight_decay=lambda_l2) 

# 開始訓練
for t in range(1000):
    y_pred_relumodel = relu_model(X)
    y_pred_tanhmodel = tanh_model(X)
    # 計算損失與準確率
    loss_relumodel = criterion(y_pred_relumodel, y)
    loss_tanhmodel = criterion(y_pred_tanhmodel, y)
    print(f"[MODEL]: relu_model, [EPOCH]: {t}, [LOSS]: {loss_relumodel.item():.6f}")
    print(f"[MODEL]: tanh_model, [EPOCH]: {t}, [LOSS]: {loss_tanhmodel.item():.6f}")    
    display.clear_output(wait=True)

    optimizer_relumodel.zero_grad()
    optimizer_tanhmodel.zero_grad()
    loss_relumodel.backward()
    loss_tanhmodel.backward()
    optimizer_relumodel.step()
    optimizer_tanhmodel.step()

[MODEL]: relu_model, [EPOCH]: 999, [LOSS]: 0.006584

[MODEL]: tanh_model, [EPOCH]: 999, [LOSS]: 0.014194