博客

深度学习——以图读懂反向传播

  • Post author:
  • Post category:其他


献上台大李宏毅老师的讲解：


http://speech.ee.ntu.edu.tw/~tlkagk/courses/MLDS_2015_2/Lecture/DNN%20backprop.ecm.mp4/index.html


1 问题的引入（背景）

深度学习属于机器学习，机器学习的三个步骤就是：模型，策略和计算方法。比如LR，模型使用的LR模型（LR是基于伯努利假设，伯努利属于指数分布族，指数分布族属于广义线性模型），策略使用的是联合概率分布最大，计算方法是梯度下降法或拟牛顿法等。

深度学习的模型是神经网络，如下图：

策略就是我们说的损失函数，cost function，反映了模型的预测误差，如交叉熵、均方误差等。给定N个训练数据集：

{(x^{1},\widehat{y}^{1}),(x^{2},\widehat{y}^{2}),...,(x^{N},\widehat{y}^{N})}

基于训练集找到一组最佳的参数
\theta ^{*}
使得C(θ)最小；

C(\theta )=\frac{1}{N}\sum _{r}C^{r}(\theta )=\frac{1}{N}\sum _{r}||f(x^{r};\theta )-\widehat{y}^{r}||

\bigtriangledown C(\theta )=\frac{1}{N}\sum _{r} \bigtriangledown C^{r}(\theta )

\bigtriangledown C^{r}(\theta )
具体表示方法是什么？这就需要明白神经网络模型如何表示的，如下图所示，对于l层来说：

第l层的第i个神经元的输入Zi，它是上一层所有神经元的输入之和：

z^{l}_{i} = \sum_{j}\omega^{l} _{ij} a_{j}^{l-1} + b_{i}^{l}

第l层的第i个神经元的输出ai，是zi经过非线性变化（我们称为激活函数，如ReLu，sigmoid等）：

a_{i}^{l} = \sigma (z^{l}_{i} )

因此，我们说的θ就是所有的
\{([\omega^{1}]^{T},[b^{1}]^{T}), ...,([\omega^{l}]^{T},[b^{l}]^{T})\}
，则损失函数的偏导
\bigtriangledown C^{r}(\theta )
就是求出所有的
\frac{\partial C^{r}}{\partial \omega _{ij}^{l}}
和
\frac{\partial C^{r}}{\partial b_{i}^{l}}
。

一般地，我们求出
\frac{\partial C^{r}}{\partial \omega _{ij}^{l}}
和
\frac{\partial C^{r}}{\partial b_{i}^{l}}
，会更新参数，即
\omega _{ij}^{l} := \omega _{ij}^{l}-\frac{\partial C^{r}}{\partial \omega _{ij}^{l}}
。但神经网络的参数非常多，比如很简单的alexnet的参数个数在千万级别，一个一个地求是不切实际的，所以，这里需要用到反向传播：back propagation！


2 反向传播优化模型参数

\frac{\partial C^{r}}{\partial \omega _{ij}^{l}}
求解之前，需要了解一下链式法则，就是g(f(x))对x的求导，会等于 g对f的求导 乘 f对x的求导。由于z是w的函数，所以：

\frac{\partial C^{r}}{\partial \omega _{ij}^{l}} = \frac{\partial C^{r}}{\partial z_{i}^{l}} \frac{\partial z_{i}^{l}}{\partial \omega _{ij}^{l}}

\frac{\partial z_{i}^{l}}{\partial \omega _{ij}^{l}}=\frac{\partial (\sum _{j} \omega _{ij}^{l}a_{j}^{l-1}+b_{i}^{l})}{\partial \omega _{ij}^{l}}=a_{j}^{l-1}

a_{j}^{l-1}
可以通过前向传播求出（即，是已知的不用求）

接下来求解
\frac{\partial C^{r}}{\partial z_{i}^{l}}
。令
\delta _{i}^{l}
表示
\frac{\partial C^{r}}{\partial z_{i}^{l}}
，（不表示也可以，它有对应的实际的意义，不知道实际的意义也没关系，因为这是我们一步一步推导下来的）。求解
\delta _{i}^{l}
会比较困难，因为
\delta _{i}^{l}
–>
\delta ^{l+1}
–>…–>
\delta ^{L}
。这是层层传递下去的。

如果，我们能够知道如何层层传递，即l层第i个神经元
\delta _{i}^{l}
和l+1层
\delta ^{l+1}
（会影响所有神经元）的关系，然后又能算出最后一层L的
\delta ^{L}
，是不是就可以了？所以，我们需要解决2个问题：

（1）最后一层L的
\delta ^{L}
如何计算？

（2）
\delta _{i}^{l}
和
\delta ^{l+1}
的关系？

（盗个李老师视频中的图）

对于问题（1），
\delta ^{L}
是一个向量，我们看看如何求其中一个值n，

\delta_{n} ^{L}=\frac{\partial C^{r}}{\partial z_{n}^{l}} = \frac{\partial C^{r}}{\partial a_{n}^{L}}\frac{\partial a_{n}^{L}}{\partial z_{n}^{L}}
，  而
a_{n}^{L}
就是最后的输出值
y_{n}^{r}
（对于多分类问题，比如分10类，最后一层的节点数是10个，激活函数是softmax）

\frac{\partial y_{n}^{r}}{\partial z_{n}^{L}} = \sigma '(z_{n}^{L})
,
\sigma
为最后一层采用的激活函数(多分类一般是softmax)，
\sigma'
是激活函数的一级导数。
\frac{\partial C^{r}}{\partial y_{n}^{r}}
取决于采用的损失函数，如果采用的是均方误差，则
\frac{\partial C^{r}}{\partial y_{n}^{r}}=\frac{2}{N}| \widehat{y}^{r} - y_{n}^{r} |
(能够直接得到)

综上：

\delta^{L} =[\delta_{1} ^{L},..., \delta_{n} ^{L}]
可以求得。

对于问题（2），第l层的第i个神经元是如何影响到l+1层所有的神经元呢？

\delta _{i}^{l}= \frac{\partial C^{r}}{\partial a_{i}^{l}}\frac{\partial a_{i}^{l}}{\partial z_{i}^{l}}

\frac{\partial a_{i}^{l}}{\partial z_{i}^{l}} = \sigma '(z_{i}^{l})
，
\sigma
为激活函数（一般是ReLu），
\sigma'
是激活函数的一级导数，可以直接求得。

\frac{\partial C^{r}}{\partial a_{i}^{l}}
如何求？可以这么理解，
a_{i}^{l}
会影响[
z_{1}^{l+1},z_{2}^{l+1},...,z_{k}^{l+1}
]，而[
z_{1}^{l+1},z_{2}^{l+1},...,z_{k}^{l+1}
]影响C(θ)。

\frac{\partial C^{r}}{\partial a_{i}^{l}}=\sum _{k}\frac{\partial C^{r}}{\partial z_{k}^{l+1}}\frac{\partial z_{k}^{l+1}}{\partial a_{i}^{l}}


\frac{\partial z_{k}^{l+1}}{\partial a_{i}^{l}} = \frac{\partial \sum _{i} (\omega _{ki}^{l+1}a_{i}^{l}+b_{i}^{l+1})}{\partial a_{i}^{l}} = \omega _{ki}^{l+1}

综上：

\delta _{i}^{l}= \sigma '(z_{i}^{l})\sum _{k}w_{ki}^{l+1}\delta ^{l+1}_{k}



3 总结

额？辛苦码的那么多，不知道怎么没了，好吧，再打一遍吧~

神经网络的训练说白了就是给你N个训练集，然后让你选择一组参数θ使得在这N个训练集上的损失C(θ)最小。如果找到这组参数呢？用梯度下降法找到这些参数。

梯度下降法就是随机取一组参数，然后每次迭代都朝下降最快的方向更新，即：

\theta := \theta - \bigtriangledown C(\theta ) = \theta - \sum _{r}\bigtriangledown C^{r}(\theta )

有因为θ其实是由很多的参数组成，这些参数分别是权重w和偏差b，权重
\omega _{ij}^{l}
表示第l-1层的第j个神经元的输出，对第l层的第i个神经元的输入的贡献。

\omega_{ij}^{l} :=\omega_{ij}^{l} - \frac{\partial C(\theta )}{\partial \omega_{ij}^{l} } = \omega_{ij}^{l} - \frac{\partial \sum _{r}C^{r}(\theta )}{\partial \omega_{ij}^{l} }

\frac{\partial C^{r}(\theta )}{\partial \omega_{ij}^{l} } = \frac{\partial C^{r}(\theta )}{\partial z_{i}^{l} }\frac{\partial z_{i}^{l}}{\partial \omega_{ij}^{l} }

根据推导，前者等于
\frac{\partial C^{r}(\theta )}{\partial z_{i}^{l} } = \sigma' (z_{i}^{l})\sum _{k}\omega _{ki}^{l+1}\frac{\partial C^{r}(\theta )}{\partial z^{l+1} }
，可通过反向传递求得，后者等于
a_{j}^{l-1}
后者通过前向传播求得，如下图所示：