GoogLeNet的心路历程(二)

本文介绍关于GoogLeNet的续作,习惯称为inception v2,如下:

[v2] Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift,top5 error 4.8%

这篇文章做出的贡献不是一般的大,它提出了Batch Normalization(BN),以至于网上关于它的介绍铺天盖地,但中文优秀原创没几个,都是转载来转载去,挑几个好的比如:这个(http://blog.csdn.net/hjimce/article/details/50866313)、这个(http://blog.csdn.net/u012816943/article/details/51691868)、这个(http://blog.csdn.net/happynear/article/details/44238541)。我之前也写过一个谈谈Tensorflow的Batch Normalization(https://www.jianshu.com/p/0312e04e4e83),讲了讲BN在Tensorflow中的实现。

前人关于BN介绍的已经太详细了,我就不再重复的了。本文就是想讲一讲BN的反向传播,BN需要调节的参数有两个,γ 和 β,反向传播的计算方式就是下面这张图:

Batch Normalization反向传播

又是令人作呕的公式。

几乎所有介绍BN的文章都把这部分略过了,估计是怕讲不清楚,或者作者根本就不明白也不想深究。BN的理念很好理解,它的优良效果也很好理解,可BN的训练到底是怎么回事?怎么反向传播?Szegedy在论文原文里也只是一句话带过了:

During training we need to backpropagate the gradient of loss ℓ through this transformation, as well as compute the gradients with respect to the parameters of the BN transform. We use chain rule...

上面那一坨公式对于深度学习的老鸟们应该不会构成理解障碍,但对于接触不久的人群,简直就是天书!鉴于此,参考xiaia的cs231n_2016_winter(https://github.com/xiaia/cs231n_2016_winter)作业,捋一捋BN的反向传播到底是怎么实现的,好有个直观理解。

下面的介绍基于cs231n_2016_winter/assignment2的全连接网络,隐藏层5个,每个100个神经元(hidden_dims = [100, 100, 100, 100, 100]),激活函数ReLU,每个隐藏层激活函数前都加了BN层,输出层是softmax-10,optimizer是adam。

Batch Normalization反向传播实现

根据上面那一坨公式,写出来的代码是这样子的:

def batchnorm_backward(dout, cache):   
"""   
Backward pass for batch normalization.      
For this implementation, you should write out a computation graph for   
batch normalization on paper and propagate gradients backward through   intermediate nodes.      
Inputs:   
- dout: Upstream derivatives, of shape (N, D)   
- cache: Variable of intermediates from batchnorm_forward.      

Returns a tuple of:   
- dx: Gradient with respect to inputs x, of shape (N, D)   
- dgamma: Gradient with respect to scale parameter gamma, of shape (D,)   
- dbeta: Gradient with respect to shift parameter beta, of shape (D,)   
"""   
dx, dgamma, dbeta = None, None, None      
x, gamma, beta, var, miu, x_hat, eps = cache   
m = len(x)   
dx_hat = dout * gamma   
dvar = np.sum(dx_hat * (x-miu), axis=0) * -0.5 * (var + eps) ** (-1.5)   
dmiu = np.sum(dx_hat * (-1) / np.sqrt(var+eps), axis=0) + dvar * np.mean(-2 * (x - miu), axis=0)   
dx = dx_hat / np.sqrt(var + eps) + dvar * 2 * (x - miu) / m + dmiu / m   
dgamma = np.sum(dout * x_hat, axis=0)   
dbeta = np.sum(dout, axis=0)  
  return dx, dgamma, dbeta

Tensorflow的源码里应该也会有相应的实现,以后我再找找看。

上面的batchnorm_backward函数就是BN反向传播的python实现版本,仅仅是把公式改写成了python语言而已,这篇博文对代码做了一些解释,可以参考,这里不再赘述。

问题就来了,dout是个什么东西?作为函数的输入,它怎么来的?我再翻一翻源码,找到了这个函数:

def softmax_loss(x, y):   """   Computes the loss and gradient for softmax classification.    Inputs:   - x: Input data, of shape (N, C) where x[i, j] is the score for the jth class     for the ith input.   - y: Vector of labels, of shape (N,) where y[i] is the label for x[i] and     0 <= y[i] < C    Returns a tuple of:   - loss: Scalar giving the loss   - dx: Gradient of the loss with respect to x   """   probs = np.exp(x - np.max(x, axis=1, keepdims=True))   probs /= np.sum(probs, axis=1, keepdims=True)   N = x.shape[0]   loss = -np.sum(np.log(probs[np.arange(N), y])) / N   dx = probs.copy()   dx[np.arange(N), y] -= 1   dx /= N  return loss, dx

softmax_loss用来计算最后softmax层的loss和gradient,函数返回两个值,一个是loss,一个是dx(gradient),这个dx就是dout的源头!也是反向传播的最最最开始的地方!它是这么得来的:

dx = probs.copy() dx[np.arange(N), y] -= 1

注:其中probs是softmax的输出结果。

上面的程序代码是如此的简洁!让人完全蒙圈!逼得我重温了一下反向传播算法,输出层的残差是这么算的:

sigmoid输出层残差计算

代码里的f'(z)去哪儿了???或者这种计算方式是softmax独有?深深的感觉到了自己基础知识的薄弱。我又查阅了Neural Networks and Deep Learning(http://neuralnetworksanddeeplearning.com/chap3.html#problems_68177),终于找到了,其中的公式 (84) 是 softmax 层的残差计算方法,如下:

softmax 残差计算

可是作者让读者自己推倒公式!又蒙圈了,有兴趣的可以自己推倒试一试。

简而言之,dx就是最后一层的gradient,这个dx要一层一层的反向传播回去,不同层的反向传播计算方式也不同,比如ReLU的反向传播计算是这样的:

def relu_backward(dout, cache):   
"""   
Computes the backward pass for a layer of rectified linear units (ReLUs).    
Input:   
- dout: Upstream derivatives, of any shape   
- cache: Input x, of same shape as dout    Returns:   
- dx: Gradient with respect to x   
"""   
dx, x = None, cache    dx = dout   dx[x <= 0] = 0
     return dx

当然还有 dropout_backward、affine_backward(全连层) 还有上面的 batchnorm_backward 计算函数,不再一一列举。反向传播其实就是把gradient作为输入,按照前向传播相反的方向再计算一遍而已。

总的来讲,加入BN层的反向传播没有发生根本的改变,只是多了一个反向计算过程(batchnorm_backward函数)而已,上述网络的最后几层的前向和反向传播示意图如下:

正反传播

图也画了,代码也给了,公式还是没明白,不深究了。

总之,加入BN层的网络,反向传播的时候也相应的多了BN-back,其中的dgamma、dbeta会根据反向传播的gradient(或者叫残差)计算出来,再利用 optimizer 更新 γ 和 β。

原文发布于微信公众号 - 人工智能LeadAI(atleadai)

原文发表时间:2018-03-09

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mantou大数据

[机器学习Lesson3] 梯度下降算法

梯度下降算法是很常用的算法,可以将代价函数J最小化。它不仅被用在线性回归上,也被广泛应用于机器学习领域中的众多领域。

35113
来自专栏机器学习算法全栈工程师

风格迁移原理及tensorflow实现-附代码

作者:刘威威 编辑:田 旭 前 言 本文将详细介绍 tf 实现风格迁移的小demo,看完这篇就可以去实现自己的风格迁移了,复现的算法来自论文 Percept...

9578
来自专栏机器之心

学界 | 山东大学提出 PointCNN:让 CNN 更好地处理不规则和无序的点云数据

3398
来自专栏计算机视觉与深度学习基础

SVM原理详解

SVM入门(一)至(三)Refresh 按:之前的文章重新汇编一下,修改了一些错误和不当的说法,一起复习,然后继续SVM之旅. (一)SVM的简介 支持...

2136
来自专栏人工智能

随机计算图:连续案例

去年我介绍了一些现代的变分推理理论。 这些方法通常与深度神经网络结合使用,形成深度生成模型(例如VAE),或者利用随机控制丰富确定性模型,从而导致更好的探索。 ...

2480
来自专栏AI研习社

如何使用高大上的方法调参数

本文主要介绍作者与 Elad Hazan, Adam Klivans 合作的最新论文: Hyperparameter Optimization: A Spec...

3429
来自专栏AI研习社

Word2Vec —— 深度学习的一小步,自然语言处理的一大步

Word2Vec 模型用来学习单词的向量表示,我们称为「词嵌入」。通常作为一种预处理步骤,在这之后词向量被送入判别模型(通常是 RNN)生成预测结果和执行各种有...

501
来自专栏wOw的Android小站

[MachineLearning] 超参数之LearningRate

关于Gradient descent 算法,不打算细说概念,公式什么的.贴一张Andrew的PPT:

331
来自专栏人工智能LeadAI

机器学习必须熟悉的算法之word2vector

word2vector已经成为NLP领域的基石算法。作为一名AI 从业者,如果不能主动去熟悉该算法,应该感到脸红。本文是一篇翻译的文章,原文链接是:http:/...

44215
来自专栏量子位

一文简介常见的机器学习算法

原文 joydeep bhattacharjee 千平 编译整理 量子位 出品 | 公众号 QbitAI ? 所谓机器学习算法就是一个假设集合,用于找到最优模型...

3247

扫描关注云+社区