為什么要用神經(jīng)網(wǎng)絡(luò)？
特征提取的高效性
大家可能會(huì)疑惑，對(duì)于同一個(gè)分類(lèi)任務(wù)，我們可以用機(jī)器學(xué)習(xí)的算法來(lái)做，為什么要用神經(jīng)網(wǎng)絡(luò)呢？大家回顧一下，一個(gè)分類(lèi)任務(wù)，我們?cè)谟脵C(jī)器學(xué)習(xí)算法來(lái)做時(shí)，首先要明確feature和label，然后把這個(gè)數(shù)據(jù)'灌'到算法里去訓(xùn)練，最后保存模型，再來(lái)預(yù)測(cè)分類(lèi)的準(zhǔn)確性。但是這就有個(gè)問(wèn)題，即我們需要實(shí)現(xiàn)確定好特征，每一個(gè)特征即為一個(gè)維度，特征數(shù)目過(guò)少，我們可能無(wú)法精確的分類(lèi)出來(lái)，即我們所說(shuō)的欠擬合，如果特征數(shù)目過(guò)多，可能會(huì)導(dǎo)致我們?cè)诜诸?lèi)過(guò)程中過(guò)于注重某個(gè)特征導(dǎo)致分類(lèi)錯(cuò)誤，即過(guò)擬合。
舉個(gè)簡(jiǎn)單的例子，現(xiàn)在有一堆數(shù)據(jù)集，讓我們分類(lèi)出西瓜和冬瓜，如果只有兩個(gè)特征：形狀和顏色，可能沒(méi)法分區(qū)來(lái)；如果特征的維度有：形狀、顏色、瓜瓤顏色、瓜皮的花紋等等，可能很容易分類(lèi)出來(lái)；如果我們的特征是：形狀、顏色、瓜瓤顏色、瓜皮花紋、瓜蒂、瓜籽的數(shù)量，瓜籽的顏色、瓜籽的大小、瓜籽的分布情況、瓜籽的XXX等等，很有可能會(huì)過(guò)擬合，譬如有的冬瓜的瓜籽數(shù)量和西瓜的類(lèi)似，模型訓(xùn)練后這類(lèi)特征的權(quán)重較高，就很容易分錯(cuò)。這就導(dǎo)致我們?cè)谔卣鞴こ躺闲枰ê芏鄷r(shí)間和精力，才能使模型訓(xùn)練得到一個(gè)好的效果。然而神經(jīng)網(wǎng)絡(luò)的出現(xiàn)使我們不需要做大量的特征工程，譬如提前設(shè)計(jì)好特征的內(nèi)容或者說(shuō)特征的數(shù)量等等，我們可以直接把數(shù)據(jù)灌進(jìn)去，讓它自己訓(xùn)練，自我“修正”，即可得到一個(gè)較好的效果。
數(shù)據(jù)格式的簡(jiǎn)易性
在一個(gè)傳統(tǒng)的機(jī)器學(xué)習(xí)分類(lèi)問(wèn)題中，我們“灌”進(jìn)去的數(shù)據(jù)是不能直接灌進(jìn)去的，需要對(duì)數(shù)據(jù)進(jìn)行一些處理，譬如量綱的歸一化，格式的轉(zhuǎn)化等等，不過(guò)在神經(jīng)網(wǎng)絡(luò)里我們不需要額外的對(duì)數(shù)據(jù)做過(guò)多的處理，具體原因可以看后面的詳細(xì)推導(dǎo)。
參數(shù)數(shù)目的少量性
在面對(duì)一個(gè)分類(lèi)問(wèn)題時(shí)，如果用SVM來(lái)做，我們需要調(diào)整的參數(shù)需要調(diào)整核函數(shù)，懲罰因子，松弛變量等等，不同的參數(shù)組合對(duì)于模型的效果也不一樣，想要迅速而又準(zhǔn)確的調(diào)到最適合模型的參數(shù)需要對(duì)背后理論知識(shí)的深入了解(當(dāng)然，如果你說(shuō)全部都試一遍也是可以的，但是花的時(shí)間可能會(huì)更多),對(duì)于一個(gè)基本的三層神經(jīng)網(wǎng)絡(luò)來(lái)說(shuō)(輸入-隱含-輸出)，我們只需要初始化時(shí)給每一個(gè)神經(jīng)元上隨機(jī)的賦予一個(gè)權(quán)重w和偏置項(xiàng)b，在訓(xùn)練過(guò)程中，這兩個(gè)參數(shù)會(huì)不斷的修正，調(diào)整到最優(yōu)質(zhì)，使模型的誤差最小。所以從這個(gè)角度來(lái)看，我們對(duì)于調(diào)參的背后理論知識(shí)并不需要過(guò)于精通(只不過(guò)做多了之后可能會(huì)有一些經(jīng)驗(yàn)，在初始值時(shí)賦予的值更科學(xué)，收斂的更快罷了)
有哪些應(yīng)用？
應(yīng)用非常廣，不過(guò)大家注意一點(diǎn)，我們現(xiàn)在所說(shuō)的神經(jīng)網(wǎng)絡(luò)，并不能稱(chēng)之為深度學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)很早就出現(xiàn)了，只不過(guò)現(xiàn)在因?yàn)椴粩嗟募由盍司W(wǎng)絡(luò)層，復(fù)雜化了網(wǎng)絡(luò)結(jié)構(gòu)，才成為深度學(xué)習(xí)，并在圖像識(shí)別、圖像檢測(cè)、語(yǔ)音識(shí)別等等方面取得了不錯(cuò)的效果。
基本網(wǎng)絡(luò)結(jié)構(gòu)
一個(gè)神經(jīng)網(wǎng)絡(luò)最簡(jiǎn)單的結(jié)構(gòu)包括輸入層、隱含層和輸出層，每一層網(wǎng)絡(luò)有多個(gè)神經(jīng)元，上一層的神經(jīng)元通過(guò)激活函數(shù)映射到下一層神經(jīng)元，每個(gè)神經(jīng)元之間有相對(duì)應(yīng)的權(quán)值，輸出即為我們的分類(lèi)類(lèi)別。
詳細(xì)數(shù)學(xué)推導(dǎo)
去年中旬我參考吳恩達(dá)的UFLDL和mattmazur的博客寫(xiě)了篇文章詳細(xì)講解了一個(gè)最簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)從前向傳播到反向傳播的直觀推導(dǎo)，大家可以先看看這篇文章--一文弄懂神經(jīng)網(wǎng)絡(luò)中的反向傳播法--BackPropagation。
優(yōu)缺點(diǎn)
前面說(shuō)了很多優(yōu)點(diǎn)，這里就不多說(shuō)了，簡(jiǎn)單說(shuō)說(shuō)缺點(diǎn)吧。我們?cè)囅胍幌氯绻由钗覀兊木W(wǎng)絡(luò)層，每一個(gè)網(wǎng)絡(luò)層增加神經(jīng)元的數(shù)量，那么參數(shù)的個(gè)數(shù)將是M*N（m為網(wǎng)絡(luò)層數(shù)，N為每層神經(jīng)元個(gè)數(shù)），所需的參數(shù)會(huì)非常多，參數(shù)一多，模型就復(fù)雜了，越是復(fù)雜的模型就越不好調(diào)參，也越容易過(guò)擬合。此外我們從神經(jīng)網(wǎng)絡(luò)的反向傳播的過(guò)程來(lái)看，梯度在反向傳播時(shí)，不斷的迭代會(huì)導(dǎo)致梯度越來(lái)越小，即梯度消失的情況，梯度一旦趨于0，那么權(quán)值就無(wú)法更新，這個(gè)神經(jīng)元相當(dāng)于是不起作用了，也就很難導(dǎo)致收斂。尤其是在圖像領(lǐng)域，用最基本的神經(jīng)網(wǎng)絡(luò)，是不太合適的。后面我們會(huì)詳細(xì)講講為啥不合適。
傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的劣勢(shì)
前面說(shuō)到在圖像領(lǐng)域，用傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)并不合適。我們知道，圖像是由一個(gè)個(gè)像素點(diǎn)構(gòu)成，每個(gè)像素點(diǎn)有三個(gè)通道，分別代表RGB顏色，那么，如果一個(gè)圖像的尺寸是（28，28，1），即代表這個(gè)圖像的是一個(gè)長(zhǎng)寬均為28，channel為1的圖像（channel也叫depth,此處1代表灰色圖像）。如果使用全連接的網(wǎng)絡(luò)結(jié)構(gòu)，即，網(wǎng)絡(luò)中的神經(jīng)與與相鄰層上的每個(gè)神經(jīng)元均連接，那就意味著我們的網(wǎng)絡(luò)有28 * 28 =784個(gè)神經(jīng)元，hidden層采用了15個(gè)神經(jīng)元，那么簡(jiǎn)單計(jì)算一下，我們需要的參數(shù)個(gè)數(shù)(w和b)就有：784*15*10+2=117602個(gè)，這個(gè)參數(shù)太多了，隨便進(jìn)行一次反向傳播計(jì)算量都是巨大的，從計(jì)算資源和調(diào)參的角度都不建議用傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)。(評(píng)論中有同學(xué)對(duì)這個(gè)參數(shù)計(jì)算不太理解，我簡(jiǎn)單說(shuō)一下：圖片是由像素點(diǎn)組成的，用矩陣表示的，28*28的矩陣，肯定是沒(méi)法直接放到神經(jīng)元里的，我們得把它“拍平”，變成一個(gè)28*28=784 的一列向量，這一列向量和隱含層的15個(gè)神經(jīng)元連接，就有784*15=11760個(gè)權(quán)重w，隱含層和最后的輸出層的10個(gè)神經(jīng)元連接，就有11760*10=117600個(gè)權(quán)重w，再加上輸入層和隱含層的兩個(gè)偏置項(xiàng)b，就是117600個(gè)參數(shù)了)
圖1 三層神經(jīng)網(wǎng)絡(luò)識(shí)別手寫(xiě)數(shù)字
卷積神經(jīng)網(wǎng)絡(luò)是什么？
三個(gè)基本層
卷積層（Convolutional Layer）
上文提到我們用傳統(tǒng)的三層神經(jīng)網(wǎng)絡(luò)需要大量的參數(shù)，原因在于每個(gè)神經(jīng)元都和相鄰層的神經(jīng)元相連接，但是思考一下，這種連接方式是必須的嗎？全連接層的方式對(duì)于圖像數(shù)據(jù)來(lái)說(shuō)似乎顯得不這么友好，因?yàn)閳D像本身具有“二維空間特征”，通俗點(diǎn)說(shuō)就是局部特性。譬如我們看一張貓的圖片，可能看到貓的眼鏡或者嘴巴就知道這是張貓片，而不需要說(shuō)每個(gè)部分都看完了才知道，啊，原來(lái)這個(gè)是貓啊。所以如果我們可以用某種方式對(duì)一張圖片的某個(gè)典型特征識(shí)別，那么這張圖片的類(lèi)別也就知道了。這個(gè)時(shí)候就產(chǎn)生了卷積的概念。舉個(gè)例子，現(xiàn)在有一個(gè)4*4的圖像，我們?cè)O(shè)計(jì)兩個(gè)卷積核，看看運(yùn)用卷積核后圖片會(huì)變成什么樣。
圖2 4*4 image與兩個(gè)2*2的卷積核操作結(jié)果
由上圖可以看到，原始圖片是一張灰度圖片,每個(gè)位置表示的是像素值，0表示白色，1表示黑色，（0，1）區(qū)間的數(shù)值表示灰色。對(duì)于這個(gè)4*4的圖像，我們采用兩個(gè)2*2的卷積核來(lái)計(jì)算。設(shè)定步長(zhǎng)為1，即每次以2*2的固定窗口往右滑動(dòng)一個(gè)單位。以第一個(gè)卷積核filter1為例，計(jì)算過(guò)程如下：
feature_map1(1,1) = 1*1 + 0*(-1) + 1*1 + 1*(-1) = 1feature_map1(1,2) = 0*1 + 1*(-1) + 1*1 + 1*(-1) = -1```feature_map1(3,3) = 1*1 + 0*(-1) + 1*1 + 0*(-1) = 2
可以看到這就是最簡(jiǎn)單的內(nèi)積公式。feature_map1(1,1)表示在通過(guò)第一個(gè)卷積核計(jì)算完后得到的feature_map的第一行第一列的值，隨著卷積核的窗口不斷的滑動(dòng)，我們可以計(jì)算出一個(gè)3*3的feature_map1;同理可以計(jì)算通過(guò)第二個(gè)卷積核進(jìn)行卷積運(yùn)算后的feature_map2，那么這一層卷積操作就完成了。feature_map尺寸計(jì)算公式：[ (原圖片尺寸 -卷積核尺寸)/ 步長(zhǎng) ] + 1。這一層我們?cè)O(shè)定了兩個(gè)2*2的卷積核，在paddlepaddle里是這樣定義的：
conv_pool_1 = paddle.networks.simple_img_conv_pool(
input=img,
filter_size=3,
num_filters=2,
num_channel=1,
pool_stride=1,
act=paddle.activation.Relu())
這里調(diào)用了networks里simple_img_conv_pool函數(shù)，激活函數(shù)是Relu(修正線性單元)，我們來(lái)看一看源碼里是如何實(shí)現(xiàn)的：
def simple_img_conv_pool(input,
filter_size,
num_filters,
pool_size,
name=None,
pool_type=None,
act=None,
groups=1,
conv_stride=1,
conv_padding=0,
bias_attr=None,
num_channel=None,
param_attr=None,
shared_bias=True,
conv_layer_attr=None,
pool_stride=1,
pool_padding=0,
pool_layer_attr=None):
'''
Simple image convolution and pooling group.
Img input => Conv => Pooling => Output.
:param name: group name.
:type name: basestring
:param input: input layer.
:type input: LayerOutput
:param filter_size: see img_conv_layer for details.
:type filter_size: int
:param num_filters: see img_conv_layer for details.
:type num_filters: int
:param pool_size: see img_pool_layer for details.
:type pool_size: int
:param pool_type: see img_pool_layer for details.
:type pool_type: BasePoolingType
:param act: see img_conv_layer for details.
:type act: BaseActivation
:param groups: see img_conv_layer for details.
:type groups: int
:param conv_stride: see img_conv_layer for details.
:type conv_stride: int
:param conv_padding: see img_conv_layer for details.
:type conv_padding: int
:param bias_attr: see img_conv_layer for details.
:type bias_attr: ParameterAttribute
:param num_channel: see img_conv_layer for details.
:type num_channel: int
:param param_attr: see img_conv_layer for details.
:type param_attr: ParameterAttribute
:param shared_bias: see img_conv_layer for details.
:type shared_bias: bool
:param conv_layer_attr: see img_conv_layer for details.
:type conv_layer_attr: ExtraLayerAttribute
:param pool_stride: see img_pool_layer for details.
:type pool_stride: int
:param pool_padding: see img_pool_layer for details.
:type pool_padding: int
:param pool_layer_attr: see img_pool_layer for details.
:type pool_layer_attr: ExtraLayerAttribute
:return: layer's output
:rtype: LayerOutput
'''
_conv_ = img_conv_layer(
name='%s_conv' % name,
input=input,
filter_size=filter_size,
num_filters=num_filters,
num_channels=num_channel,
act=act,
groups=groups,
stride=conv_stride,
padding=conv_padding,
bias_attr=bias_attr,
param_attr=param_attr,
shared_biases=shared_bias,
layer_attr=conv_layer_attr)
return img_pool_layer(
name='%s_pool' % name,
input=_conv_,
pool_size=pool_size,
pool_type=pool_type,
stride=pool_stride,
padding=pool_padding,
layer_attr=pool_layer_attr)
所以這個(gè)卷積過(guò)程就完成了。從上文的計(jì)算中我們可以看到，同一層的神經(jīng)元可以共享卷積核，那么對(duì)于高位數(shù)據(jù)的處理將會(huì)變得非常簡(jiǎn)單。并且使用卷積核后圖片的尺寸變小，方便后續(xù)計(jì)算，并且我們不需要手動(dòng)去選取特征，只用設(shè)計(jì)好卷積核的尺寸，數(shù)量和滑動(dòng)的步長(zhǎng)就可以讓它自己去訓(xùn)練了，省時(shí)又省力啊。
為什么卷積核有效？
那么問(wèn)題來(lái)了，雖然我們知道了卷積核是如何計(jì)算的，但是為什么使用卷積核計(jì)算后分類(lèi)效果要由于普通的神經(jīng)網(wǎng)絡(luò)呢？我們仔細(xì)來(lái)看一下上面計(jì)算的結(jié)果。通過(guò)第一個(gè)卷積核計(jì)算后的feature_map是一個(gè)三維數(shù)據(jù)，在第三列的絕對(duì)值最大，說(shuō)明原始圖片上對(duì)應(yīng)的地方有一條垂直方向的特征，即像素?cái)?shù)值變化較大；而通過(guò)第二個(gè)卷積核計(jì)算后，第三列的數(shù)值為0，第二行的數(shù)值絕對(duì)值最大，說(shuō)明原始圖片上對(duì)應(yīng)的地方有一條水平方向的特征。
仔細(xì)思考一下，這個(gè)時(shí)候，我們?cè)O(shè)計(jì)的兩個(gè)卷積核分別能夠提取，或者說(shuō)檢測(cè)出原始圖片的特定的特征。此時(shí)我們其實(shí)就可以把卷積核就理解為特征提取器??！現(xiàn)在就明白了，為什么我們只需要把圖片數(shù)據(jù)灌進(jìn)去，設(shè)計(jì)好卷積核的尺寸、數(shù)量和滑動(dòng)的步長(zhǎng)就可以讓自動(dòng)提取出圖片的某些特征，從而達(dá)到分類(lèi)的效果??！
注：
此處的卷積運(yùn)算是兩個(gè)卷積核大小的矩陣的內(nèi)積運(yùn)算，不是矩陣乘法。即相同位置的數(shù)字相乘再相加求和。不要弄混淆了。
卷積核的公式有很多，這只是最簡(jiǎn)單的一種。我們所說(shuō)的卷積核在數(shù)字信號(hào)處理里也叫濾波器，那濾波器的種類(lèi)就多了，均值濾波器，高斯濾波器，拉普拉斯濾波器等等，不過(guò)，不管是什么濾波器，都只是一種數(shù)學(xué)運(yùn)算，無(wú)非就是計(jì)算更復(fù)雜一點(diǎn)。
每一層的卷積核大小和個(gè)數(shù)可以自己定義，不過(guò)一般情況下，根據(jù)實(shí)驗(yàn)得到的經(jīng)驗(yàn)來(lái)看，會(huì)在越靠近輸入層的卷積層設(shè)定少量的卷積核，越往后，卷積層設(shè)定的卷積核數(shù)目就越多。具體原因大家可以先思考一下，小結(jié)里會(huì)解釋原因。
池化層（Pooling Layer）
通過(guò)上一層2*2的卷積核操作后，我們將原始圖像由4*4的尺寸變?yōu)榱?*3的一個(gè)新的圖片。池化層的主要目的是通過(guò)降采樣的方式，在不影響圖像質(zhì)量的情況下，壓縮圖片，減少參數(shù)。簡(jiǎn)單來(lái)說(shuō)，假設(shè)現(xiàn)在設(shè)定池化層采用MaxPooling，大小為2*2，步長(zhǎng)為1，取每個(gè)窗口最大的數(shù)值重新，那么圖片的尺寸就會(huì)由3*3變?yōu)?*2：(3-2)+1=2。從上例來(lái)看，會(huì)有如下變換：
通常來(lái)說(shuō)，池化方法一般有一下兩種：
MaxPooling：取滑動(dòng)窗口里最大的值
AveragePooling：取滑動(dòng)窗口內(nèi)所有值的平均值
為什么采用Max Pooling？
從計(jì)算方式來(lái)看，算是最簡(jiǎn)單的一種了，取max即可，但是這也引發(fā)一個(gè)思考，為什么需要Max Pooling，意義在哪里？如果我們只取最大值，那其他的值被舍棄難道就沒(méi)有影響嗎？不會(huì)損失這部分信息嗎？如果認(rèn)為這些信息是可損失的，那么是否意味著我們?cè)谶M(jìn)行卷積操作后仍然產(chǎn)生了一些不必要的冗余信息呢？
其實(shí)從上文分析卷積核為什么有效的原因來(lái)看，每一個(gè)卷積核可以看做一個(gè)特征提取器，不同的卷積核負(fù)責(zé)提取不同的特征，我們例子中設(shè)計(jì)的第一個(gè)卷積核能夠提取出“垂直”方向的特征，第二個(gè)卷積核能夠提取出“水平”方向的特征，那么我們對(duì)其進(jìn)行Max Pooling操作后，提取出的是真正能夠識(shí)別特征的數(shù)值，其余被舍棄的數(shù)值，對(duì)于我提取特定的特征并沒(méi)有特別大的幫助。那么在進(jìn)行后續(xù)計(jì)算使，減小了feature map的尺寸，從而減少參數(shù)，達(dá)到減小計(jì)算量，缺不損失效果的情況。
不過(guò)并不是所有情況Max Pooling的效果都很好，有時(shí)候有些周邊信息也會(huì)對(duì)某個(gè)特定特征的識(shí)別產(chǎn)生一定效果，那么這個(gè)時(shí)候舍棄這部分“不重要”的信息，就不劃算了。所以具體情況得具體分析，如果加了Max Pooling后效果反而變差了，不如把卷積后不加Max Pooling的結(jié)果與卷積后加了Max Pooling的結(jié)果輸出對(duì)比一下，看看Max Pooling是否對(duì)卷積核提取特征起了反效果。
Zero Padding
所以到現(xiàn)在為止，我們的圖片由4*4，通過(guò)卷積層變?yōu)?*3，再通過(guò)池化層變化2*2，如果我們?cè)偬砑訉?，那么圖片豈不是會(huì)越變?cè)叫?？這個(gè)時(shí)候我們就會(huì)引出“Zero Padding”（補(bǔ)零），它可以幫助我們保證每次經(jīng)過(guò)卷積或池化輸出后圖片的大小不變，如，上述例子我們?nèi)绻尤隯ero Padding，再采用3*3的卷積核，那么變換后的圖片尺寸與原圖片尺寸相同，如下圖所示：
通常情況下，我們希望圖片做完卷積操作后保持圖片大小不變，所以我們一般會(huì)選擇尺寸為3*3的卷積核和1的zero padding，或者5*5的卷積核與2的zero padding，這樣通過(guò)計(jì)算后，可以保留圖片的原始尺寸。那么加入zero padding后的feature_map尺寸 =( width + 2 * padding_size - filter_size )/stride + 1
注：這里的width也可換成height，此處是默認(rèn)正方形的卷積核，weight = height，如果兩者不相等，可以分開(kāi)計(jì)算，分別補(bǔ)零。
Flatten層 & Fully Connected Layer
到這一步，其實(shí)我們的一個(gè)完整的“卷積部分”就算完成了，如果想要疊加層數(shù)，一般也是疊加“Conv-MaxPooing',通過(guò)不斷的設(shè)計(jì)卷積核的尺寸，數(shù)量，提取更多的特征，最后識(shí)別不同類(lèi)別的物體。做完Max Pooling后，我們就會(huì)把這些數(shù)據(jù)“拍平”，丟到Flatten層，然后把Flatten層的output放到full connected Layer里，采用softmax對(duì)其進(jìn)行分類(lèi)。
小結(jié)
這一節(jié)我們介紹了最基本的卷積神經(jīng)網(wǎng)絡(luò)的基本層的定義，計(jì)算方式和起的作用。有幾個(gè)小問(wèn)題可以供大家思考一下：
卷積核的尺寸必須為正方形嗎？可以為長(zhǎng)方形嗎？如果是長(zhǎng)方形應(yīng)該怎么計(jì)算？
卷積核的個(gè)數(shù)如何確定？每一層的卷積核的個(gè)數(shù)都是相同的嗎？
步長(zhǎng)的向右和向下移動(dòng)的幅度必須是一樣的嗎？
如果對(duì)上面的講解真的弄懂了的話，其實(shí)這幾個(gè)問(wèn)題并不難回答。下面給出我的想法，可以作為參考：
卷積核的尺寸不一定非得為正方形。長(zhǎng)方形也可以，只不過(guò)通常情況下為正方形。如果要設(shè)置為長(zhǎng)方形，那么首先得保證這層的輸出形狀是整數(shù)，不能是小數(shù)。如果你的圖像是邊長(zhǎng)為 28 的正方形。那么卷積層的輸出就滿足 [ (28 - kernel_size)/ stride ] + 1 ，這個(gè)數(shù)值得是整數(shù)才行，否則沒(méi)有物理意義。譬如，你算得一個(gè)邊長(zhǎng)為 3.6 的 feature map 是沒(méi)有物理意義的。 pooling 層同理。FC 層的輸出形狀總是滿足整數(shù)，其唯一的要求就是整個(gè)訓(xùn)練過(guò)程中 FC 層的輸入得是定長(zhǎng)的。如果你的圖像不是正方形。那么在制作數(shù)據(jù)時(shí)，可以縮放到統(tǒng)一大小（非正方形），再使用非正方形的 kernel_size 來(lái)使得卷積層的輸出依然是整數(shù)。總之，撇開(kāi)網(wǎng)絡(luò)結(jié)果設(shè)定的好壞不談，其本質(zhì)上就是在做算術(shù)應(yīng)用題：如何使得各層的輸出是整數(shù)。
由經(jīng)驗(yàn)確定。通常情況下，靠近輸入的卷積層，譬如第一層卷積層，會(huì)找出一些共性的特征，如手寫(xiě)數(shù)字識(shí)別中第一層我們?cè)O(shè)定卷積核個(gè)數(shù)為5個(gè)，一般是找出諸如'橫線'、“豎線”、“斜線”等共性特征，我們稱(chēng)之為basic feature，經(jīng)過(guò)max pooling后，在第二層卷積層，設(shè)定卷積核個(gè)數(shù)為20個(gè)，可以找出一些相對(duì)復(fù)雜的特征，如“橫折”、“左半圓”、“右半圓”等特征，越往后，卷積核設(shè)定的數(shù)目越多，越能體現(xiàn)label的特征就越細(xì)致，就越容易分類(lèi)出來(lái)，打個(gè)比方，如果你想分類(lèi)出“0”的數(shù)字，你看到
這個(gè)特征，能推測(cè)是什么數(shù)字呢？只有越往后，檢測(cè)識(shí)別的特征越多，試過(guò)能識(shí)別
這幾個(gè)特征，那么我就能夠確定這個(gè)數(shù)字是“0”。
有stride_w和stride_h，后者表示的就是上下步長(zhǎng)。如果用stride，則表示stride_h=stride_w=stride。
手寫(xiě)數(shù)字識(shí)別的CNN網(wǎng)絡(luò)結(jié)構(gòu)
上面我們了解了卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)后，現(xiàn)在來(lái)具體看一下在實(shí)際數(shù)據(jù)---手寫(xiě)數(shù)字識(shí)別中是如何操作的。上文中我定義了一個(gè)最基本的CNN網(wǎng)絡(luò)。如下
def convolutional_neural_network_org(img):
# first conv layer
conv_pool_1 = paddle.networks.simple_img_conv_pool(
input=img,
filter_size=5,
num_filters=20,
num_channel=1,
pool_size=2,
pool_stride=2,
act=paddle.activation.Relu())
# second conv layer
conv_pool_2 = paddle.networks.simple_img_conv_pool(
input=conv_pool_1,
filter_size=5,
num_filters=50,
num_channel=20,
pool_size=2,
pool_stride=2,
act=paddle.activation.Relu())
# fully-connected layer
predict = paddle.layer.fc(
input=conv_pool_2, size=10, act=paddle.activation.Softmax())
return predict
那么它的網(wǎng)絡(luò)結(jié)構(gòu)是：
conv1----> conv2---->fully Connected layer
非常簡(jiǎn)單的網(wǎng)絡(luò)結(jié)構(gòu)。第一層我們采取的是3*3的正方形卷積核，個(gè)數(shù)為20個(gè)，深度為1，stride為2，pooling尺寸為2*2，激活函數(shù)采取的為RELU；第二層只對(duì)卷積核的尺寸、個(gè)數(shù)和深度做了些變化，分別為5*5，50個(gè)和20；最后鏈接一層全連接，設(shè)定10個(gè)label作為輸出，采用Softmax函數(shù)作為分類(lèi)器，輸出每個(gè)label的概率。
那么這個(gè)時(shí)候我考慮的問(wèn)題是，既然上面我們已經(jīng)了解了卷積核，改變卷積核的大小是否會(huì)對(duì)我的結(jié)果造成影響？增多卷積核的數(shù)目能夠提高準(zhǔn)確率？于是我做了個(gè)實(shí)驗(yàn)：
第一次改進(jìn)：僅改變第一層與第二層的卷積核數(shù)目的大小，其他保持不變。可以看到結(jié)果提升了0.06%
第二次改進(jìn)：保持3*3的卷積核大小，僅改變第二層的卷積核數(shù)目，其他保持不變，可以看到結(jié)果相較于原始參數(shù)提升了0.08%
由以上結(jié)果可以看出，改變卷積核的大小與卷積核的數(shù)目會(huì)對(duì)結(jié)果產(chǎn)生一定影響，在目前手寫(xiě)數(shù)字識(shí)別的項(xiàng)目中，縮小卷積核尺寸，增加卷積核數(shù)目都會(huì)提高準(zhǔn)確率。不過(guò)以上實(shí)驗(yàn)只是一個(gè)小測(cè)試，有興趣的同學(xué)可以多做幾次實(shí)驗(yàn)，看看參數(shù)帶來(lái)的具體影響，下篇文章我們會(huì)著重分析參數(shù)的影響。
這篇文章主要介紹了神經(jīng)網(wǎng)絡(luò)的預(yù)備知識(shí)，卷積神經(jīng)網(wǎng)絡(luò)的常見(jiàn)的層及基本的計(jì)算過(guò)程，看完后希望大家明白以下幾個(gè)知識(shí)點(diǎn)：
為什么卷積神經(jīng)網(wǎng)絡(luò)更適合于圖像分類(lèi)？相比于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)優(yōu)勢(shì)在哪里？
卷積層中的卷積過(guò)程是如何計(jì)算的？為什么卷積核是有效的？
卷積核的個(gè)數(shù)如何確定？應(yīng)該選擇多大的卷積核對(duì)于模型來(lái)說(shuō)才是有效的？尺寸必須為正方形嗎？如果是長(zhǎng)方形因該怎么做？
步長(zhǎng)的大小會(huì)對(duì)模型的效果產(chǎn)生什么樣的影響？垂直方向和水平方向的步長(zhǎng)是否得設(shè)定為相同的？
為什么要采用池化層，Max Pooling有什么好處？
Zero Padding有什么作用？如果已知一個(gè)feature map的尺寸，如何確定zero padding的數(shù)目？
上面的問(wèn)題，有些在文章中已經(jīng)詳細(xì)講過(guò)，有些大家可以根據(jù)文章的內(nèi)容多思考一下。最后給大家留幾個(gè)問(wèn)題思考一下：
為什么改變卷積核的大小能夠提高結(jié)果的準(zhǔn)確率？卷積核大小對(duì)于分類(lèi)結(jié)果是如何影響的？
卷積核的參數(shù)是怎么求的？一開(kāi)始隨機(jī)定義一個(gè)，那么后來(lái)是如何訓(xùn)練才能使這個(gè)卷積核識(shí)別某些特定的特征呢？
1*1的卷積核有意義嗎？為什么有些網(wǎng)絡(luò)層結(jié)構(gòu)里會(huì)采用1*1的卷積核？
聯(lián)系客服
