第七章·深度学习实战（1.5）——深度学习几大难点

一、局部最优问题

深度学习算法的目标函数，几乎全都是非凸的。而目前寻找最优解的方法，都是基于梯度下降的。稍微有点背景知识的人都知道，梯度下降方法不能解决是解决非凸问题的。因此，如果找到最优解，将是深度学习领域，非常值得研究的课题。

andrew在google的工作，也就是那只猫，其实训练过程是让人很费解的。为了缩短训练时间，项目组采用了分布式训练的方式。采用了1000 台计算机，在不同的计算机上存储不同的训练数据，不同的训练服务器通过参数服务器进行参数的交换。训练过程开始后，所有的训练计算机从参数服务器更新当前 参数，然后利用当前参数以及本机器上的训练数据，计算得到当前的梯度，通过贪婪式方法，训练到不能再训练为止，然后将参数的更新量提交给服务器，再获取新 的参数进行更新。

在这个过程中，出现了不同机器在同步时间上的一个大问题。具体阐述如下：梯度下降这种方法，在计算梯度的时候，一定要知道当前参数的具体值，梯度是 针对某一个具体的参数值才有意义的。但是，由于在这个系统中，计算机非常多，当计算机A从服务器上获得参数值后，完成梯度的计算得到步进量的时候，可能在 它提交结果之前，计算机B已经修改了参数服务器上的参数了。也就是说，A所得到的步进量，并不是针对当前的参数值的。

论文中，作者注意到了这个问题，但是故意不去理会，结果训练结果居然不错。作者的解释是：这是一种歪打正着的现象。

为什么能够歪打正着呢？有可能是这样的：非凸问题，本来就不是梯度下降法能够解决的。如果不存在同步难题，那么随着训练的深入，结果肯定会收敛到某一个局部最优解上面去。而现在这种同步问题，恰好能够有助于跳出局部最优解。因此最终的训练结果还算不错。

作者并没有证明，这种方式，对于寻找全局最优一定是有帮助的。对于最终的结果是否一定是经验最优的，也没有证明。因此我感觉，深度学习里面，这种超高维参数的最优结果的寻优，是一个很值得深入研究的问题。它对于最终的效果也确实影响很大。

二、内存消耗巨大，计算复杂

内存消耗巨大和计算复杂体现在两个方面：

（1）训练过程 （2）检测过程

这两个过程的计算复杂，根本原因都是庞大的参数规模造成的。比如google的这个项目，每一个位置都用到了8个模版，每一个像素，这8个模版都是 不同的，因此导致最后的模版总数很大，所以训练和检测都很慢。当然，这种模版的设计法，让人不好理解，为什么不同的像素位置，模版完全不同。我还是支持以 前的卷积神经网络里面的思想，不同位置的模版都是一样的，但没一个位置，模版数量就远不止8个了。这样的好处是，内存空间中，总的模板数下降了；但缺点 是，计算更复杂了。

因此，如果能够找到一个好的方法，能够有效的较低计算复杂度，将是很有意义的。（比如某个邻域内如果方差极小，其实根本就没必要计算了，直接赋0.）

三、人脑机理还有很多没用上

深度学习模拟的是人脑的其中一个很小的方面，就是：深度结构，以及稀疏性。

但事实上，人脑是相当复杂滴。关于视觉注意机制、多分辨率特性、联想、心理暗示等功能，目前根本就没有太多的模拟。所以神经解剖学对于人工智能的影响应该是蛮大的。将来要想掀起机器智能的另一个研究高潮，估计还得继续借鉴神经解剖学。

四、人为设计模版的可行性

一直在想，为什么第一层用于检测角点和边缘这种简单特征的模版，一定需要通过无监督训练得到，如果人为实现模拟的话，能否也得到较为理想的结果呢？

从神经解剖学的成果上来看，人脑的v1区和v2区，神经细胞确实是按照规律排列的。而且都是可以人为设计的。而且，一个让人怀疑的地方就是，v1区和v2区的神经细胞，是先天发育好的，还是后天训练出来的？如果是先天的，那就是说，这种模版是可以人为设计的。

五、代价函数的设计方法

代价函数的设计，在初学者看来，是很奇怪的。代价函数的设计，直接影响到最终的模版训练结果，可以说是深度学习中最核心的模块。

从目前已经发表的论文来看，一是考虑重构误差，二是加入某种惩罚项。惩罚项的设计有多种模式，有考虑一阶范式的，有考虑二阶范式的，各种设计可谓千 奇百怪。有博文上讲到，惩罚项的作用是为了防止过拟合，但也有博文的观点是，惩罚项是为了保证稀疏性。（感觉过拟合与稀疏性是否存在某种内在联系。）

当然，代价函数的设计方法，目前还在不断探索，感觉这是一个可以发论文的点。

六、整个神经网络系统的设计

神经网络的设计方法，包含了研究人员对人脑的理解方式。CNN、RBM、RNN，以及andrew项目组设计的变态网络，都各有各的特色。要把整个网络框架设计好，还是比较需要经验的，也是相当费脑力的。当然，这是整个领域最有研究价值的模块