用有趣的方式解释梯度下降算法
重磅干货，第一时间送达
往期回顾
本文为3Blue1Brown神经网络课程讲解第二部分《Gradient descent, how neural networks learn 》的学习笔记，观看地址：
www.bilibili.com/video/av16144388
前文我们已经搭建了一个包含两个隐藏层的神经网络，我们需要这样一种算法：网络得到训练数据后，算法会调整所有的权重和偏置值，提高网络对训练数据的表现。我们还希望这种分层结构可以举一反三，识别其他图像。训练好网络后，再给它未见过的带标记的数据作为测试，这样就能知道新图像分类的准确度。
这实际上就是找某个函数的最小值，在一开始，我们会完全随机地初始化所有的权重和偏置值。可想而知，这个网络对于给定的训练示例，会表现得非常糟糕。例如输入一个3的图像，理想状态应该是输出层3这个点最亮。可是实际情况并不是这样。这是就需定义一个代价函数。
网络可以对图像正确分类时，这个平方和就比较小，反之就很大。接下来就要考虑几万个训练样本中代价的平均值。
神经网络本身是个函数，它有784个输入值，10个输出，13000多个参数。
代价函数则要再抽象一层，13000多个权重和偏置值作为他的输入，输出是单个数值，表示参数的表现优劣程度。
代价函数取决于网络对上万个训练数据的综合表现，但是我们还需要告诉网络该如何改变这些权重和偏置值，让其表现更好。为了简化问题，我们先不去想一个有13000多个变量的函数，而考虑简单的一元函数，只有一个输入变量，只输出一个数字。
学过微积分的都知道，有时你可以直接算出这个最小值，不过函数很复杂的话就不一定能写出，而我们这个超复杂的13000元的代价函数，就更加不可能做到了。
一个灵活的技巧是：以下图为例，先随便挑一个输入值，找到函数在这里的斜率，斜率为正就向左走，斜率为负就向右走，你就会逼近函数的某个局部最小值。（其实是沿着负梯度方向，函数减少的最快）
但由于不知道一开始输入值在哪里，最后你可能会落到许多不同的坑里，而且无法保证你落到的局部最小值就是代价函数的全局最小值。值得一提的是，如果每步的步长与斜率成比例，那么在最小值附近斜率会越来越平缓，每步会越来越小，这样可以防止调过头。
我们想象一个更复杂的两个输入一个输出的二元函数，代价函数是图中右侧的红色曲面。在输入空间被沿着哪个方向走，才能使输出结果下降最快？
在多元微积分领域，函数梯度指的是函数的最陡增长方向，沿着其相反的方向，函数值下降的最快，梯度向量的长度代表了最陡的斜坡的到底有多陡峭。
让函数值最小的算法其实就是先计算梯度，在按反方向走一小步，然后循环。处理13000个输入的函数也是这个道理。
只是把这些权重、偏置都放在一个列向量中，代价函数的负梯度也是一个向量。负梯度指出了在这个函数输入空间内，具体如何改变每一项参数，才能让让代价函数的值下降的最快。
对于这个我们设计的神经网络的代价函数，更新权重和偏置来降低代价函数的值，意味着输入训练集的每一份样本的输出，都会越来越接近真实结果。又因为我们选择的是所有训练样本代价函数的平均值，所以最小化即对所有样本得到的总体结果会更好。
当我们提到让网络学习，实质上就是让代价函数的值最小。代价函数有必要是平滑的，这样我们才可以挪动以找到全局最小值，这也就是为什么人工神经元的激活值是连续的。
到这里，我们终于引出了梯度下降法的定义：
负梯度内每一项值的正负号告诉我们输入向量对应该调大还是调小，每一项的相对大小也告诉了我们哪个值影响更大，改变哪个参数值，性价比最高。
训练后的神经网络就可以进行数字识别了，但是当输入是一个噪音图片时，神经网络却仍很自信的把它识别成一个数字。换句话说，即使网络学会了如何识别数字，但是它却不会自己写数字。原因就在于网络的训练被限制在很窄的框架内，对于第一层网络，它的视角整个宇宙都是由小网格内清晰定义的静止数字组成的，它的代价函数则会促使它对最后的判断有绝对的自信。研究越深，你就会发现，神经网络没有那么智能。
本节完！下节课我们学习3Blue1Brown关于神经网络的第3部分《偏导数和反向传播法》。
推荐阅读