梯度是如何计算的

引言

深度学习模型的训练本质上是一个优化问题,而常采用的优化算法是梯度下降法(SGD)。对于SGD算法,最重要的就是如何计算梯度。此时,估计跟多人会告诉你:采用BP(backpropagation)算法,这没有错,因为神经网络曾经的一大进展就是使用BP算法计算梯度提升训练速度。但是从BP的角度,很多人陷入了推导公式的深渊。如果你学过微积分,我相信你一定知道如何计算梯度,或者说计算导数。对于深度网络来说,其可以看成多层非线性函数的堆积,即:

而我们知道深度学习模型的优化目标L一般是output的函数,如果要你求L关于各个参数的导数,你会不假思索地想到:链式法则。因为output是一个复合函数。在微积分里面,求解复合函数的导数采用链式法则再合适不过了。其实本质上BP算法就是链式法则的一个调用。让我们先忘记BP算法,从链式法则开始说起。

链式法则

链式法则无非是将一个复杂的复合函数从上到下逐层求导,比如你要求导式子:f(x,y,z)=(x+y)(x+z)。当然这个例子是足够简单的,但是我们要使用链式法则的方式来求导。首先可以将f(x,y,z)看成两个函数p(x,y)=(x+y)与q(x,z)=(x+z)的复合:f=pq。假如你要求df/dz,首先我们先要求出df/dp与df/dq。很显然,df/dp=q,df/dq=p。然后要求dp/dx与dq/dx,显然,dp/dx=1.0,dq/dx=1.0。这个时候已经求到最底层了,可以利用链式法则求出最终的结果了:df/dx=(df/dp)(dp/dx)+(df/dq)(dq/dx)=q+p。同样的方法,可以求出:df/dy=q,df/dz=p。如果大家细致观察的话,可以看到要求出最终的导数,你需要计算出中间结果:p与q。计算中间结果的过程一般是前向(forward)过程,然后再反向(backward)计算出最终的导数。过程如下:

#程序1#
    #输入
    x, y, z = -3, 2, 5
    
    #执行前向过程
    p = x + y        #p = -1
    q = x + z        #q = 2
    
    #执行反向过程计算梯度
    #第一个层反向:f = pq
    dfdp = q        #df / dp = 2
    dfdq = p        #df / dq = -1
    
    #第二个层反向,并累积第一层梯度:
    #p = x + y, q = x + z
    dfdx = 1.0 * dfdp + 1.0 * dfdq    #df / dx = 1
    dfdy = 1.0 * dfdp    #df / dy = 2
    dfdz = 1.0 * dfdq    #df / dz = -1

上面的一个过程就是BP算法,包含两个过程:前向forward)过程与反向(backword)过程。前向过程是从输入计算得到输出,而反向过程就是一个梯度累积的过程,或者说是BP,即误差反向传播。这就是BP的思想。上面的例子应该是比较简单的,而对于深度学习模型来说,其只不过是函数复杂一点罢了,但是如果你严格按照链式法则来去推导,只要你会基本求导方法,应该都不是什么难事了。

矩阵运算

其实对于深度学习模型来说,其运算都是基于矩阵运算的。对于新手来说,矩阵运算的求导可能会是一件比较头疼的事。其实矩阵运算求导是一个纸老虎。对于元素级的矩阵运算来说,比如激活函数这种,你完全可以把看成普通的求导。但是对于矩阵乘法,你需要特别注意,这里先抛出例子:

#程序2#
   import numpy as np
      
   #前向过程
   W = np.random.randn(5,10)
   X = np.random.randn(10,3)
   D = W.dot(X)
   
   #反向过程
   #假定dD是后面传播过来的梯度项
   dD = np.random.randn(*D.shape)  
   dW = dD.dot(X.T)
   dX = W.T.dot(dD)

如果你认真推导的话,是可以得到上面的结果的。但是这里有其它捷径。对于两个矩阵相乘的话,在反向传播时反正是另外一个项与传播过来的梯度项相乘。差别就在于位置以及翻转。这里有个小窍门,就是最后计算出梯度肯定要与原来的矩阵是同样的shape。那么这就容易了,反正组合不多。比如你要计算dW,你知道要用dD与X两个矩阵相乘就可以得到。W的shape是[5,10],而dD的shape是[5,3],X的shape是[10,3]。要保证dW与W的shape一致,好吧,此时只能用dD.dot(X.T),真的没有其它选择了,那这就是对了。

活学活用:

实现一个简单的神经网络

上面我们讲了链式法则,也讲了BP的思想,并且也讲了如何对矩阵运算求梯度。下面我们基于Python中的Numpy库实现一个简单的神经网络模型,代码如下:

#程序3#
"""
一个简单两层神经网络回归模型
"""

   import numpy as np
   # batch size
    N = 32
   # 输入维度
    D = 100
   # 隐含层单元数
    H = 200
   # 输出维度
    O = 10

   # 训练样本(这里随机生成)
    X = np.random.randn(N, D)
    y = np.random.randn(N, O)
   # 初始化参数
    W1 = np.random.randn(D, H)
    b1 = np.zeros((H,))
    W2 = np.random.randn(H, O)
    b2 = np.zeros((O,))

   # 训练参数
    learning_rate = 1e-02
    iterations = 200

   # 训练过程
   for t in range(iterations):    # 前向过程
       h = X.dot(W1) + b1
       h_relu = np.maximum(h, 0)
       pred = h_relu.dot(W2) + b2    
     #定义loss,采用均方差
       loss = np.sum(np.square(y - pred))  
       print("Iteration %d loss: %f" % (t, loss))    
     # 反向过程计算梯度
       dpred = 2.0 * (pred - y)
       db2 = np.sum(dpred, axis=0)
       dW2 = h_relu.T.dot(db2)
       dh_relu = db2.dot(W2.T)
       dh = (h > 0) * dh_relu
       db1 = np.sum(dh, axis=0)
       dW1 = X.T.dot(dh)  
       # SGD更新梯度
       params = [W1, b1, W2, b2]
       grads = [dW1, db1, dW2, db2]    
     for p, g in zip(params, grads):
           p += -learning_rate * g

总结

这里我们简单介绍了梯度下降法中最重要的一部分,就是如何计算梯度。相信通过本文,大家对BP算法以及链式法则有更深刻的理解。

参考资料

cs231n教程:http://cs231n.github.io/optimization-2/

原文发布于微信公众号 - 机器学习算法全栈工程师(Jeemy110)

原文发表时间:2017-08-20

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器学习原理

机器学习(11)——非线性SVM

前言: 上一篇介绍了线性SVM还有一些尾巴没有处理,就是异常值的问题。 软间隔 线性可分SVM中要求数据必须是线性可分的,才可以找到分类的超平面,但是有的时候...

3595
来自专栏杨熹的专栏

SVM 的核函数选择和调参

3735
来自专栏小小挖掘机

整理一份机器学习资料!

本系列主要根据吴恩达老师的课程、李航老师的统计学习方法以及自己平时的学习资料整理!在本文章中,有些地方写的十分简略,不过详细的介绍我都附上了相应的博客链接,大家...

1202
来自专栏iOSDevLog

人工智能-深度学习

1472
来自专栏计算机视觉战队

线性分类原来是这么一回事,skr~

SVM是最常用的两个分类器之一,而另一个就是Softmax分类器,它的损失函数与SVM的损失函数不同。

953
来自专栏智能算法

【深度学习】深度多目标跟踪算法综述

基于深度学习的算法在图像和视频识别任务中取得了广泛的应用和突破性的进展。从图像分类问题到行人重识别问题,深度学习方法相比传统方法表现出极大的优势。与行人重识别问...

842
来自专栏机器学习入门

PRML系列:1.3 Model Selection

PRML系列:1.3 Model Selection 模型选择 模型选择一般采用交叉验证,本节提到了S-fold cross-validation,原理如下,把...

1898
来自专栏技术小站

吴恩达深度学习笔记 2.6~2.9 logistic中的梯度下降

之前我们已经了解了Coss Function的定义,它是一个convex,所以我们能找到它的全局最优解,我们可以先可以先随便选取一组w,b,求得刚开始J(w,b...

1042
来自专栏深度学习自然语言处理

白话word2vec

word2vec 是2012年被被Google提出来的将文本生成词向量模型,其中包括了两个模型,continous bag of words(CBOW)和Ski...

992
来自专栏PaddlePaddle

激活函数

深度学习基础理论-CNN篇 激活函数 ? 激活函数(activation function)层又称非线性映射层,顾名思义,激活函数的引入为的是增加整个网络的...

2849

扫码关注云+社区