章天杰

深度学习（图像方向）常见名词术语

本文是对由邵天兰主讲的知乎Live 深度学习中的常见名词术语(图像方向) 的笔记整理。本文使用到了来自Live Slides以及互联网的一些图片，如有侵权将第一时间删除。
很推荐大家听听这场Live（链接在上面），通俗易懂，能构建起对图像方向深度学习的大致概念。

文章目录

- - 从分类器开始
  - - 图像分类
    - - 分类(classify)
      - 分类器(classifier)
      - MNIST
      - CIFAR10
      - ImageNet
      - 类内方差(intra-class variance)
      - 类间方差(inter-class variance)
      - 函数(function)
      - 拟合(fit)
      - 数据驱动(data-driven)
    - 分类器入门
    - - 特征(feature)
      - 特征向量(feature vector)
      - 特征工程(feature enginerring)
    - 图像分类的难点：特征非常难以设计
    - - 初级特征(low-level feature)
      - 高级特征(high-level feature)
      - 手工设计的特征(hand-crafted feature)
    - 深度学习基本法：特征提取+分类
    - - 可分(separable)
      - 特征提取(feature extraction)
      - 特征学习(feature learning)
      - 表示学习(representation learning)
    - 与大脑工作机制的关系
    - - 突触(synapse)
      - 特征提取(V1, Primary Visual Cortex)
  - 神经网络的基本组成单元：神经元、层
  - - 神经元：从加权和开始
    - - 输入(input)
      - 输出(output)
      - 神经元(neuron)
      - 加权和(weighted sum)
      - 连接权重(weights)
      - 偏置(bias)
    - 通过激活函数引入非线性
    - - 非线性(non-linearity)
      - 线性可分(linearly seperable)
      - 激活函数(activation function)
    - 常用激活函数
    - - Sigmoid
      - ReLU
      - TanH
    - 全连接层
    - - 全连接层(fully-connected layer, FC, Dence)
    - 堆叠更多神经元层
    - - 隐含层(hidden layer)
      - 输入层(input layer)
      - 输出层(output layer)
  - 深度学习在图像方向的扛把子：卷积神经网络（CNN）
  - - 卷积神经网络
    - - 卷积神经网络(convolutional neural network, CNN)
      - 局部性(locality)
    - 卷积操作
    - - 卷积(convolution)
      - 卷积核(kernel)
      - 滤波器(filter)
      - 特征图(feature map)
    - 池化/采样
    - - 池化/采样(pooling)
      - 平均池化(average pooling)
      - 最大池化(max pooling)
      - 降采样/下采样(down sampling)
      - 平移不变性(translation invariant)
    - 卷积/池化层的参数
    - - 步幅(stride)
      - 填充(padding)
      - 核尺寸(kernal size)
      - 感受野(receptive field)
    - 卷积/池化“层”实际上是三维的
    - - 深度(depth)
    - SoftMax
    - - 独热编码(one hot encoder)
      - 概率分布(probability distribution)
      - SoftMax
    - 你已经能初步理解经典卷积神经网络VGG的结构了
    - - VGG(VGG16/VGG19)
    - 进阶：批标准化层
    - - 批标准化(batch normalization)
      - 正则化(regularizer)
    - 更深的网络结构：ResNet
    - - ResNet
      - 残差(residual)
      - 跨层连接(skip connection)
    - 更宽的网络结构：GoogLeNet
    - - GoogLeNet
      - Inception
      - 串接(concatenation)
  - 真正让深度学习工作起来
  - - - 模型参数(model parameters)
      - 过拟合(overfitting)
      - 泛化能力(generalization)
      - 核弹厂(NVidia)
    - 防止过拟合的方法：破坏低级不稳定的特征
    - - Dropout
      - Noise
  - 神经网络的训练
  - - 反向传播算法
    - - 训练(train)
      - 预测(inference)
      - 真值(ground truth)
      - 损失函数(lost function)
      - 成本函数(cost function)
      - 前向传播(forward propagation)
      - 反向传播(back propagation)
      - 链式求导法则(chain rule)
      - 梯度消失(gradient vanishing)
      - 梯度爆炸(gradient exploding)
    - 更新参数的基本原理：梯度下降
    - - 导数(derivative)
      - 梯度下降(gradient descent)
    - 反向传播算法进阶
    - - 局部极小值(local minimum)
      - 全局极小值(global minimun/absolute minimum)
      - 冲量(momentum)
      - 学习率(learning rate)
      - 学习率衰减(learning rate decay)
      - 随机梯度下降(SGD)
    - 重用预先训练的特征：Fine-tuning
    - - Fine-tuning
      - 冻结层参数(Freeze Layers)
    - 当然还有很多东西是需要的
    - 训练、预测都需要巨大的运算量
    - - GPU
      - CUDA
      - 数据并行(data parallelism)
      - 模型并行(model parallelism)
      - 定点化(quantization)
      - 剪枝(pruning)
      - 稀疏(sparse)
  - 重要工作和前沿方向
  - - 图像领域一些重要方向
    - - 目标检测(object detection)
      - 语义分割(semantic segmentation)
      - 实例分割(instance segmentation)
    - 推荐的深度学习框架
  - 推荐阅读

从分类器开始

图像分类

本节名词列表：
分类(classify)
分类器(classifier)
MNIST
CIFAR10
ImageNet
类内方差(intra-class variance)
类间方差(inter-class variance)
函数(function)
拟合(fit)
数据驱动(data-driven)

分类(classify)

深度学习在图像方向上应用最基本的问题就是分类问题：我们给计算机看一个图像，希望它告诉我们图像里是什么。

分类器(classifier)

为了解决分类问题，我们希望能够做出分类器，而在今天，我们希望通过机器学习的手段做出分类器。

MNIST

MNIST是一个手写数字图片数据集，包含60000张训练样本和10000张测试样本。

CIFAR10

Cifar-10由10个分类的60000张32*32的RGB彩色图片构成，包含50000张训练样本，10000张测试（交叉验证）样本。

ImageNet

ImageNet项目是一个用于视觉对象识别软件研究的大型可视化数据库。提供了标注完成的超过1400万的图像，其中至少一百万个图像还提供了边界框。ImageNet包含2万多个类别。

为了考察分类问题的难易程度，我们来看类内方差与类间方差。

类内方差(intra-class variance)

类内方差是指同一类物体之间的差异，类内方差越大，分类难度越大。例如上面的MNIST数据集中的所有“0”，虽然形态各异，但是差异较小，而上面Cifar-10数据集中的所有“猫”，因为品种、毛色等等方面的区别，就体现出较大的类内差异。显然后者较前者的类内方差更大，完成后者的分类的难度要高于前者。

类间方差(inter-class variance)

类间方差指的是不同类物体之间的差异，类间方差越大，分类难度越低。例如，区分“猫”和“房子”要比取分“猫”和“狗”要容易的多。

函数(function)

分类问题可以理解为让计算机解决类似于由“手写数字8的图片”到“标签8”的映射问题，而我们需要找出的就是完成这一映射的函数。

拟合(fit)

找到这个“函数”的过程我们通常称为拟合出这个函数。

数据驱动(data-driven)

让机器从数据中发现规则、规律，拟合出我们想要的函数，从而解决分类问题，而非使用手动的规则。

分类器入门

本节名词列表
特征(feature)
特征向量(feature vector)
特征工程(feature enginerring)

下面给出一个手动设计的“王二狗”分类器。首先输入一个“王二狗”，然后我们对“高”、“帅”、“富”三个特征进行提取，根据特征提取的结果，我们就可以做出判别。

特征(feature)

要对图像进行分类，本质上是要通过图像的某些特征对图像进行判别。
在王二狗的例子中，我们提取了他的三个特征：“高”、“帅”、“富”。

特征向量(feature vector)

将提取到的多个特征放在一起，就叫做特征向量。

特征工程(feature enginerring)

找到特征的过程一般称为特征工程。

图像分类的难点：特征非常难以设计

本节名词列表
初级特征(low-level feature)
高级特征(high-level feature)
手工设计的特征(hand-crafted feature)

判断王二狗只需要一个手动设计的分类器即可，而在图像的分类上则需要借助更先进的手段，例如深度学习，这是因为图像分类的一个显著难点就是特征难以提取。

初级特征(low-level feature)

图像上最基础的特征就是初级特征，例如：圆弧、线等等。

高级特征(high-level feature)

高级特征是例如“有眼睛”、“有脸”、“有腿”这样的高层次显著特征。

机器视觉的特征非常难以设计，尤其是介于初级特征与高级特征中间的中级特征，例如：眼睛、腿、脸是怎样用低级特征组合出来的。传统的机器视觉算法通过人工的方式设计了很多特征，例如HOG,SIFT,SURF等，取得了一定的成果，但是也存在瓶颈。

手工设计的特征(hand-crafted feature)

深度学习基本法：特征提取+分类

本节名词列表
可分(separable)
特征提取(feature extraction)
特征学习(feature learning)
表示学习(representation learning)

可分(separable)

例如：我与王二狗是否有钱这一特征，是容易区分的，称之为可分；而让机器看长得一模一样的双胞胎照片，则缺乏能够将二者取分开来的特征，称之为不可分。
能否找到足够的特征让机器能够完成分类是十分关键的一点。

特征提取(feature extraction)

将特征提取出来的过程。深度学习可以自动完成这一过程。

特征学习(feature learning)

深度学习具备自动完成特征提取，称其为具备特征学习的能力。

表示学习(representation learning)

用数字/向量/矩阵等方法来表达现实世界中的物体，而且这种表达方式有利于后续的分类或者其他决策问题。

特征的可分性决定分类器的上限，分类方法（神经网络？随机森林？）决定接近这个上限的程度。
深度学习的关键之处在于能够进行特征学习，自行根据训练数据学习出特征。

在分类问题上，如果数据量并不是非常大、类别不是非常多、而且具备非常好的人工提取feature，那么神经网络相对于随机森林、支持向量机等传统方法并没有非常明显的优势。而深度学习在更大的数据量下、处理更复杂的任务时，能够发挥长处，如下图所示：

与大脑工作机制的关系

本节名词列表
突触(synapse)
特征提取(V1, Primary Visual Cortex)

深度学习的部分做法可以从大脑的工作机制中得到印证和启发，例如：分级特征提取、从数据中学习、神经元的感受野等，但是大部分的工作仍然与人脑的关系较远。

突触(synapse)

一个神经元的输入端。

特征提取(V1, Primary Visual Cortex)

人眼看到的信息首先传到初级视皮层（V1）进行特征提取，然后再传到V2等进行更高级的特征提取。

神经网络的基本组成单元：神经元、层

神经元：从加权和开始

本节名词列表
输入(input)
输出(output)
神经元(neuron)
加权和(weighted sum)
连接权重(weights)
偏置(bias)

神经元最基本的工作原理就是加权和。
下面给出一个神经元的工作过程：

基本写法： $y=x_1w_1+x_2w_2+x_3w_3$
求和写法： $y=\sum{x_iw_i}$
向量写法： $y=x\cdot w$

输入(input)

输出(output)

神经元(neuron)

加权和(weighted sum)

连接权重(weights)

神经元的任务，就是将各项输入乘上连接权重并求和，得到加权和后输出。

偏置(bias)

如果将加权和再加上一个常数项b，则这个常数项就称为偏置。

深度学习所使用的神经网络可以看作成千上万神经元进行组合，每一个神经元的功能都非常简单，但是组合起来之后可以实现复杂的功能，这一点与人脑十分类似。

通过激活函数引入非线性

本节名词列表
非线性(non-linearity)
线性可分(linearly seperable)
激活函数(activation function)

非线性(non-linearity)

线性可分(linearly seperable)

在二维状况下，如左图，画一条直线可以将图中的蓝色和黄色的部分分开，这种情况为线性可分。而如右图，则无法通过一条简单的直线对蓝色黄色两部分进行分割，这种情况为线性不可分。

激活函数(activation function)

如果网络中的每一个神经元都是线性的，那么最后的总效果也只能是线性的，这样我们的网络没有办法处理线性不可分的问题。因此，我们要为网络引入非线性模块，这个非线性模块就是下图中的 $f ()$ ，我们称之为激活函数。

下面给出一张包含激活函数的神经元图：

基本写法： $y=f(x_1w_1+x_2w_2+x_3w_3)$
求和写法： $y=f(\sum{x_iw_i})$
向量写法： $y=f(x\cdot w)$

常用激活函数

本节名词列表
Sigmoid
ReLU
TanH

Sigmoid

$函数表达式：f(x)=\frac{1}{1+e^{-x}}$

特点：

平滑
有界：值域在0到1之间
梯度在远离0的位置很小（会引起梯度消失）

ReLU

$函数表达式：f(x)=\begin{cases} 0, &x<0\cr x, &x\geq0\end{cases}$

特点：

不平滑
无界
梯度为0或1

TanH

$函数表达式：tanh(x)=\frac{2}{1+e^{-2x}}-1$

全连接层

本节名词列表
全连接层(fully-connected layer, FC, Dence)

把许多个神经元排布在一层，就构成了层(layer)。

全连接层(fully-connected layer, FC, Dence)

每一个神经元的输入都是上一层所有神经元的输出。王二狗的例子中，框出的这一层，所有的输入都来自于上一层中的输出，所以为全连接层。

堆叠更多神经元层

本节名词列表
隐含层(hidden layer)
输入层(input layer)
输出层(output layer)

下面给出一个神经元层堆叠起来的示意图

隐含层(hidden layer)

上图中，中间两层即为隐含层。

输入层(input layer)

上图中最左边接收输入的层即为输入层。

输出层(output layer)

上图中最右边的即为输出层。

所谓深度学习，就是网络越来越深，层数越来越多。

深度学习在图像方向的扛把子：卷积神经网络（CNN）

卷积神经网络

本节名词列表
卷积神经网络(convolutional neural network, CNN)
局部性(locality)

如果把全连接层直接应用于图像，将导致网络参数极多，网络极大，难以实际使用。而且，将全连接层直接应用于图像的方案是没有必要的，因为图像的特征具有局部性。对此我们采用的方案是：卷积结构。
下图给出了一张Le-Net5卷积神经网络的示意图：

卷积神经网络(convolutional neural network, CNN)

包含卷积计算及深度结构的前馈神经网络。卷积神经网络与之前提到的网络一样，也是一层一层的神经元，但所使用的连接方式不是之前提到的全连接，而是下面将讲到的卷积结构。

局部性(locality)

从人脑的结构出发，研究证明，人脑中的神经元不会与之前的所有的神经元相连接，例如，初级视皮层上的神经元不会与视网膜上的每一个神经元，而是V1上的每一个神经元只看到视网膜上的一小部分。

卷积操作

本节名词列表
卷积(convolution)
卷积核(kernel)
滤波器(filter)
特征图(feature map)

卷积(convolution)

卷积核(kernel)

下面给出了一张卷积操作的示意图

其中蓝色的部分可以看作输入的图片，灰色的移动部分我们将其称为卷积核，而右边的绿色的部分则是这个卷积操作的输出。我们让卷积核在输入上“扫”过去，就会得到一个输出。卷积核在每个位置，把卷积核上的每一个数字和输入上对应位置的数字进行相乘，再把乘积加起来，就得到了输出。这一过程本质上依然是加权和，以上图为例，加权和的输入即为蓝色部分的数字，权重即为灰色的卷积核上的数字，得到的输出即为绿色部分。

下面再给出一张卷积的示意图，展示和卷积计算的过程。

下面给出一张卷积操作的示意图，去掉了数字，便于理解。

滤波器(filter)

特征图(feature map)

那么我们为什么要进行卷积操作呢？我们可以将卷积理解为一个特征提取的过程，而卷积核表述了我们要提取的特征，最后的结果我们称之为特征图。下面用一个例子来说明：

上图的左侧有一个图像中“竖直直线”的示意图，其特征是水平方向上有数值突变，而竖直方向上没有变化。我们分别用两个不同的卷积核“卷”过这幅图片，卷积核A卷过的结果是，在竖线处出现了一列数字2，而卷积核B卷过的结果是全为0。这里的卷积核A和B分别代表了我们要找的不同特征，卷积核A表示找竖线，而卷积核B表示找横线，最终得出了不同的结果。

卷积操作完成了一个“滤波”的过程，将特定的图像特征提取出来，所以卷积核也常称为滤波器。

下图展示了一个对图像进行卷积操作的过程。

通过训练，卷积层可以学习到更加复杂的特征以完成更加复杂的任务：

池化/采样

本节名词列表
池化/采样(pooling)
降采样/下采样(down sampling)
平均池化(average pooling)
最大池化(max pooling)
平移不变性(translation invariant)

池化/采样(pooling)

如上图所示，中间4x4的矩阵，经过池化，就变成了一个2x2的矩阵。
池化层可以看作采样，通常会降低层的长度与高度（最常见的是长宽减半）。

平均池化(average pooling)

最大池化(max pooling)

上图右上方展示的是平均池化的过程，他对每一个2x2的小区域求平均值，得出新的结果，例如绿色部分的结果15，为原矩阵中绿色部分的平均值。
上图右下方展示的是最大池化的过程，他取每一个每一个2x2的小区域中的最大值作为新的结果，例如绿色部分的结果21，为原矩阵中绿色部分的最大值。
历史上平均池化曾起到重要的作用，而如今一般使用最大池化，可以理解为最大池化能够保留图像中“最有用”的信息。

降采样/下采样(down sampling)

经过上述的过程，图像的分辨率下降了，所以我们称之为降采样/下采样。

平移不变性(translation invariant)

池化产生了一定的不变性，可以认为是一种选取最有用信息的操作。例如上图中第一行第二列位置的8如果产生微小变化，例如变成了9，经过最大池化，绿色部分的结果仍为21。这使我们的模型不会因为输入的微小变化产生区别很大的结果。

卷积/池化层的参数

本节名词列表
核尺寸(kernal size)
感受野(receptive field)
步幅(stride)
填充(padding)

步幅(stride)

在卷积操作这一节中展示的动图中，卷积核是“一格一格地”卷过去的，我们称步幅为1。

而当步幅增大到2时：

可以发现当步幅为1时，输出与输入的规模是一致的。当步幅大于1时，输出的规模比输入小。
卷积层的步幅一般为1，池化层的步幅一般大于1，所以池化层完成了降采样的过程。

填充(padding)

上面几张图中，周围围着的一圈0即为填充，当我们在卷积的时候，卷积核在边界时可能会超出输入的范围，这时我们需要在周围加上一圈填充。

核尺寸(kernal size)

在本节的几张图中，卷积核的尺寸为3x3，而在池化/采样一节中，核的尺寸为2x2。

感受野(receptive field)

由神经科学而来的词汇，原来指例如初级视皮层上一个神经元接收视网膜上信息的范围。在卷积/池化中我们也借用了这样的词汇。一般核尺寸越大它的感受野就越大。

卷积/池化“层”实际上是三维的

本节名词列表
深度(depth)

深度(depth)

实际上，每一层的输入是三维的（长宽卷积核种类的数量），输出也是三维的（长宽卷积核种类的数量）。而这个第三维的参数就是深度。

对于输入的图片A，经过一次操作，在C1处得到了六张“方片”，每一张“方片”都是一个卷积核（滤波器）所得到的特征图。

SoftMax

本节名词列表
独热编码(one hot encoder)
概率分布(probability distribution)
SoftMax

独热编码(one hot encoder)

在最开始的王二狗的例子中，我们就用到了独热编码：我们将王二狗分为两种状态（“抱紧”或“滚粗”），在最后一层中用了与状态数量一致的神经元，即两个神经元，而且仅有一种状态为1，其他为0，即结果只为“抱紧”或“滚粗”，两者不可能同时为真。
直观来说独热编码就是，最后一层中，有多少个状态就有多少神经元，而且只有一个状态为1，其他全为0。
而在MNIST的例子中，我们要识别10种不同的手写数字，我们在最后一层中有10个神经元（或11个神经元，即10个数字+不是数字），且只有一种状态概率为1（或接近于1），其他全为0，这也是运用了独热编码。

概率分布(probability distribution)

每项概率都大于等于0，且加起来等于1。

SoftMax

神经网络的输出常常使用独热编码，但是最后一层神经元的输出未必符合概率分布，对此我们使用SoftMax解决

你已经能初步理解经典卷积神经网络VGG的结构了

本节名词列表
VGG(VGG16/VGG19)

VGG(VGG16/VGG19)

VGG是Oxford的Visual Geometry Group在ILSVRC 2014上的相关工作，有两种结构，分别是VGG16和VGG19，两者并没有本质上的区别，只是网络深度不一样，16或19为卷积层+全连接层的数量，不包含池化层和SoftMax，因为他们没有需要训练的参数。
上图所示的即为VGG的示意，可以看到网络不断地进行卷积、池化，最后经过全连接层和SoftMax处理得出结果。

进阶：批标准化层

本节名词列表
批标准化(batch normalization)
正则化(regularizer)

批标准化(batch normalization)

如果每层神经元的输入在训练过程中分布保持一致，网络将更容易收敛，而现有每层神经元的输入来自上一层，而上一层的输出在训练的过程中分布会变化，对此我们的解决方法是，强行让上一层的输入在一组数据中符合一定要求（均值为0，输入为1），这一过程成为批标准化，这是Google的一项重要工作。

正则化(regularizer)

正则化方法是指向原始模型引入额外信息，以便防止过拟合和提高模型泛化性能的一类方法。

更深的网络结构：ResNet

本节名词列表
ResNet
残差(residual)
跨层连接(skip connection)

ResNet

残差(residual)

跨层连接(skip connection)

上图的最上方是ResNet的网络示意图。

深度残差网络ResNet的提出是CNN图像史上的一件里程碑事件，ResNet在ILSVRC和COCO 2015上取得了5项第一其作者何凯明也因此摘得CVPR2016最佳论文奖。

这个网络拥有跨层的连接，区别于前面的第一层→第二层→第三层这样的走法，在这个网络中，会有第二层的输入直接接到第五层，再与第四层的结果加起来再往下走的跨层连接过程，实现了残差的学习。

更宽的网络结构：GoogLeNet

本节名词列表
串接(concatenation)
GoogLeNet
Inception

GoogLeNet

上图为GoogLeNet的示意图。
从左往右看，这个网络依然是一层一层的排布结构，但是在每一层上又有好几个组成部分，也就是说这个网络的宽度就不是1了。

Inception

串接(concatenation)

下图所示的inception结构是GoogLeNet的基本组成部分：

我们可以看到在inception结构中有1x1的卷积、3x3的卷积、5x5的卷积、3x3的池化等等。相当于原来只有一层，而我们现在有了多层并将结果串接起来。对此的直观理解可以是：我们的卷积层在提取特征时究竟采用几x几的卷积核效果最好是比较难确定的，于是我们在这里把各种卷积核的大小都进行尝试。
这里特别讲一下看似没有意义的1x1的卷积，之前已经提到过，卷积层不仅有长和宽，它是一个三维的概念。我们的图像可能不止有一个通道，例如我们常见的RGB色彩模式，就有三个通道，从下图可以看出，卷积操作实际上会把每个通道的计算结果进行叠加，所以1x1的卷积并非是无意义的操作。

真正让深度学习工作起来

####深度学习的本质困难

本节名词列表
模型参数(model parameters)
过拟合(overfitting)
泛化能力(generalization)
核弹厂(NVidia)

模型参数(model parameters)

在王二狗的例子当中，我们一共有八个神经元，每个神经元有三个参数需要调整，那么总共就有24个参数需要调整，可以想象在上面提到的更复杂的情况中，将会有更多的参数出现。机器学习的参数越多，模型就越复杂。
参数多的优势在于，它使机器能够完成更加复杂的学习任务。

过拟合(overfitting)

泛化能力(generalization)

与此同时，参数多也带来许多困难。首先，训练数据和参数数量相比太少，极易发生过拟合。比如在下图中，我们要将蓝色和红色的点区分开来，黑色的线条较好的将两者分割开来了，而绿色的线虽然实际上完美地区分了蓝色和红色的点，但实际上没有学习到红蓝两方的本质特征，缺乏泛化能力。

这好比小明在做习题集时没有理解习题的本质内容，只是在背答案，当遇到新的题目时，如果题目数据发生变化，小明就不能很好的应对。
其次参数太多，训练的难度大、效率低。
对此我们的对策是：第一，收集海量数据（例如ImageNet所做的工作）

核弹厂(NVidia)

第二，爆计算力（堆核弹），使用更强的硬件计算能力对抗复杂的训练工作。
第三，在算法中加入缓解过拟合、加快训练收敛的方法。

防止过拟合的方法：破坏低级不稳定的特征

本节名词列表
Dropout
Noise

在上面小明背答案的例子中，显然我们可以通过如下的方式来逼小明认真学习：改变题目中的数字、随即改变选项顺序、将数学问题包装成应用题……这些方法破坏了一道题的低级特征，这样能够“逼迫”小明去发现题目的高级特征，完成真正的学习。
在深度学习领域，同样地，我们可以通过破坏数据低级不稳定的特征来“逼迫”神经网络抓住事物的本质特征。

Dropout

如下图所示，训练时随机让一些神经网络输出0，相当于随机扔掉一些特征，这逼迫神经网络去学习一些更加稳定的特征，一般图像中事物的本质特征总是组合更多、更加稳定。

Noise

训练时让神经元输出加上一些噪声，为了避免在实际运用时神经网络因为一些噪声而失去作用，在训练时我们就像其中加入一些噪声，使神经网络更加稳定。

神经网络的训练

反向传播算法

本节名词列表
训练(train)
预测(inference)
真值(ground truth)
损失函数(lost function)
成本函数(cost function)
前向传播(forward propagation)
反向传播(back propagation)
链式求导法则(chain rule)
梯度消失(gradient vanishing)
梯度爆炸(gradient exploding)

训练(train)

预测(inference)

训练是指我们将训练数据喂给神经网络，并调整神经网络的参数的过程。
预测就是当我们有了一个神经网络，使用它对输入的数据进行分类等任务的过程。
下图展示了预测的过程：

下图展示了训练的过程：

真值(ground truth)

真值是指监督学习中对一个数据预测结果的标准答案。真值往往由人类标注给出。

损失函数(lost function)

成本函数(cost function)

损失函数一般指对单个样本的做的损失计算，成本函数一般是数据集上总的成本和损失计算。

前向传播(forward propagation)

反向传播(back propagation)

前向传播是指先通过已有的网络进行图像分类，得到结果的过程。反向传播指的是，根据得到的结果计算损失函数，从后至前依次调整每一层参数的过程。

链式求导法则(chain rule)

链式求导法则是反向传播过程中用于调整参数时使用的法则。

梯度消失(gradient vanishing)

梯度爆炸(gradient exploding)

反向传播的过程中会遇到许多问题，例如向前算着算着权值更新的梯度越来越接近于0，称为梯度消失，反之梯度越来越接近于无限大，称为梯度爆炸。

更新参数的基本原理：梯度下降

本节名词列表
导数(derivative)
梯度下降(gradient descent)

导数(derivative)

一个函数在某一点的导数描述了这个函数在这一点附近的变化率。

梯度下降(gradient descent)

那么怎样更新网络中的参数呢？我们做的是一个让梯度下降的过程：我们希望通过梯度下降的过程找到令损失函数最小的一组参数。仿佛我们在一座山上，不知道怎样去山顶，但我们只要一直沿着坡度向上的方向往上走，就可以到达山顶。
下图展示了梯度下降的过程，可以将红色的圆环理解成等高线，我们不断沿登高线垂直方向走，就可以到达山顶。

下图在函数图像上展示了梯度下降的过程。

反向传播算法进阶

本节名词列表
局部极小值(local minimum)
全局最小值(global minimun/absolute minimum)
随机梯度下降(SGD)
冲量(momentum)
学习率(learning rate)
学习率衰减(learning rate decay)

局部极小值(local minimum)

全局极小值(global minimun/absolute minimum)

在做梯度下降的过程中会遇到一些问题，例如，我们找到的极小值可能只是局部范围之内的最小值，而不是整个函数范围内的最小值（全局最小值）。

冲量(momentum)

我们仍然把梯度下降的过程想象成过山坡，在下面这张图中，红点在函数图像上下降到一个“小坑”里就不动了，这个小坑是局部的最低点，但不是全局的最低点，这就是我们上面讲到的局部极小值，它陷入了局部最优。

这里我们引入冲量的概念，可以想象成过山坡时有一股冲劲使得红点能够冲过小坑，进入全局的最小点，下面是引入冲量之后的梯度下降过程：

学习率(learning rate)

学习率控制着我们基于损失梯度调整神经网络权值的速度，学习率越小，沿着损失梯度下降的速度越慢。看似使用小的学习率可以避免错过任何局部最优解，但也意味着要花更多时间来收敛，尤其是如果我们处于曲线的至高点。而学习率设置过大，就会出现振荡，无法收敛，如下图：

新权值 = 当前权值 - 学习率 × 梯度

学习率衰减(learning rate decay)

学习率大，会发散，学习率小，会变慢。那么我们能否让学习率有大小变化（先大后小）呢？这一过程就是学习率衰减。如果我们反复让学习率变大变小变大变小，就称为循环学习率衰减。

随机梯度下降(SGD)

面对我们上面提到的找“谷底”的问题，我们有不同的Solver（优化算法），下图中可以看到不同的优化算法针对同一个找谷底的问题，表现上的不同：

我们评价不同优化算法的标准就是，他们能否克服局部最优解，能否收敛、快速收敛。

重用预先训练的特征：Fine-tuning

本节名词列表
Fine-tuning
冻结层参数(Freeze Layers)

Fine-tuning

冻结层参数(Freeze Layers)

在实际应用中，再大数据集上的训练非常耗时，而很多问题的数据集又很小，对此，针对不同任务，图像的很多特征是相通的，可以重用在大数据集上学到的特征，具体的操作是，在大数据集上训练网络，保持卷积层不变（可选），重新初始化全连接层，再训练。
Fine-tuning就是把现成的模型进行微调然后再作少量训练，主要用于样本数量不足的情形。
冻结层参数就是上面提到的，保持部分层参数不变的操作。
下图展示了在ImageNet（1000类图片）上训练网络，fine-tune成20类图片分类问题的过程：