深度学习必会10题
目录
- 前言
- 一、sigmoid和softmax的区别和联系？
- 二、分类一般用什么损失函数？交叉熵的公式是什么？
-
- 1.0-1损失函数：
- 2.Hinge loss：：
- 三、训练中出现过拟合的原因？深度学习里的正则方法有哪些/如何防止过拟合？
- 四、l1、l2原理？dropout具体实现原理，随机还是固定，训练过程和测试过程如何控制，是针对sample还是batch？
- 五、weight decay和范数正则有什么关系？
- 六、详细比较sigmoid、relu、leaky-relu等激活函数？
-
- 1.sigmoid公式：
- 2. tanh公式：
- 3. ReLU公式：
- 4. Leaky ReLU公式：
- 5. ELU公式：
- 七、说说BN，BN的全称，BN的作用，为什么能解决梯度爆炸？BN一般放在哪里？
- 八、skip connection的作用
- 九、图像分割领域常见的loss function？
- 十、BN应该放在非线性激活层的前面还是后面？
- 总结
前言
一个面试小笔记xxx
一、sigmoid和softmax的区别和联系？
答：sigmoid将一个real value映射到（0,1）的区间，用来做二分类。 而 softmax 把一个 k 维的real
value向量（a1,a2,a3,a4….）映射成一个（b1,b2,b3,b4….），其中 bi 是一个 0～1 的常数，输出神经元之和为1.0，所以相当于概率值，然后可以根据 bi 的概率大小来进行多分类的任务。
二分类问题时 sigmoid 和 softmax 是一样的，求的都是 cross entropy loss（交叉熵损失），而 softmax 可以用于多分类问题。softmax是sigmoid的扩展，因为，当类别数 k＝2 时，softmax 回归退化为 logistic 回归。
二、分类一般用什么损失函数？交叉熵的公式是什么？
1.0-1损失函数：
函数曲线：
函数曲线为如上的阶梯函数。有三个特点：不连续，非凸，不平滑。由于这三个特点，损失函数的优化难度很大
2.Hinge loss：：
在0-1 loss函数基础上，做了两点改动：对于正例(y[i] = 1), f(x[i])必须大于等于1；而对于负例(y[i] = -1), f(x[i])必须小于等于-1 (相比之前f(x[i])与0对比，加强条件，提高稳定性)；没有达到要求的情况，视为错误。f(x[i])权值偏离越大，错误越严重。
函数曲线(连续，凸，非平滑)：
cross-entropy loss(log loss)：
常用于多分类问题，描述了概率分布之间的不同，y是标签，p是预测概率：
在逻辑回归也就是二分类问题中，上述公式可以写成：
这就是logistic loss。logistic loss 其实是 cross-entropy loss 的一个特例。
三、训练中出现过拟合的原因？深度学习里的正则方法有哪些/如何防止过拟合？
答：1）数据集不够；
2）参数太多，模型过于复杂，容易过拟合；
3）权值学习过程中迭代次数太多，拟合了训练数据中的噪声和没有代表性的特征。
Regularization is a technique which makes slight modifications to the learning algorithm such that the model generalizes better.正则化是一种技术，通过调整可以让算法的泛化性更好，控制模型的复杂度，避免过拟合。
1）L1&L2正则化；
2）Dropout(指在深度学习网络的训练过程中，对于神经网络单元，按照一定的概率将其暂时从网络中丢弃。注意是暂时，对于随机梯度下降来说，由于是随机丢弃，故而每一个mini-batch都在训练不同的网络)；
3）数据增强、加噪；
4）early stopping(提前终止训练)；
5）多任务联合；
6）加BN。
四、l1、l2原理？dropout具体实现原理，随机还是固定，训练过程和测试过程如何控制，是针对sample还是batch？
答：L1 正则化向目标函数添加正则化项，以减少参数的绝对值总和；而 L2 正则化中，添加正则化项的目的在于减少参数平方的总和。线性回归的L1正则化通常称为LASSO(Least Absolute Shrinkage and Selection Operator)回归。LASSO回归可以使得一些特征的系数变小，甚至还有一些绝对值较小的系数直接变为0，从而增强模型的泛化能力，因此特别适用于参数数目缩减与参数的选择，因而用来估计稀疏参数的线性模型。
dropout是指在深度学习网络的训练过程中，对于神经网络单元，按照一定的概率将其暂时从网络中丢弃。注意是暂时，对于随机梯度下降来说，由于是随机丢弃，故而每一个mini-batch都在训练不同的网络。训练的时候使用dropout，测试的时候不使用。
Dropout的思想是训练DNNs的整体然后平均整体的结果，而不是训练单个DNN。DNNs以概率p丢弃神经元，因此保持其它神经元概率为q=1-p。当一个神经元被丢弃时，无论其输入及相关的学习参数是多少，其输出都会被置为0。丢弃的神经元在训练阶段的前向传播和后向传播阶段都不起作用：因为这个原因，每当一个单一的神经元被丢弃时，训练阶段就好像是在一个新的神经网络上完成。大概是sample吧。(我感觉有点像非结构化稀疏剪枝)
五、weight decay和范数正则有什么关系？
答：weight decay特指神经网络的正则化，是放在正则项前的一个系数，正则项表示模型的复杂度，
weight decay的作用就是调节模型复杂度对损失函数的影响。一般用l2 正则化。
六、详细比较sigmoid、relu、leaky-relu等激活函数？
1.sigmoid公式：
它输入实数值并将其“挤压”到0到1范围内，适合输出为概率的情况，但是现在已经很少有人在构建神经网络的过程中使用sigmoid。
Sigmoid函数饱和使梯度消失。当神经元的激活在接近0或1处时会饱和，在这些区域梯度几乎为0，这就会导致梯度消失，几乎就有没有信号通过神经传回上一层。
Sigmoid函数的输出不是零中心的。因为如果输入神经元的数据总是正数，那么关于w的梯度在反向传播的过程中，将会要么全部是正数，要么全部是负数，这将会导致梯度下降权重更新时出现z字型的下降。
sigmoid的软饱和性，使得深度神经网络在二三十年里一直难以有效的训练，是阻碍神经网络发展的重要原因。具体来说，由于在后向传递过程中，sigmoid向下传导的梯度包含了一个 f′(x)f′(x) 因子（sigmoid关于输入的导数），因此一旦输入落入饱和区，f′(x)f′(x)就会变得接近于0，导致了向底层传递的梯度也变得非常小。此时，网络参数很难得到有效训练。这种现象被称为梯度消失。一般来说， sigmoid网络在 5 层之内就会产生梯度消失现象。此外，sigmoid函数的输出均大于0，使得输出不是0均值，这称为偏移现象，这会导致后一层的神经元将得到上一层输出的非0均值的信号作为输入。
---------------------------------------------------------------------------------------------------------------------from another writer
2. tanh公式：
Tanh非线性函数图像如下图所示，它将实数值压缩到[-1,1]之间。
Tanh解决了Sigmoid的输出是不是零中心的问题，但仍然存在饱和问题。为了防止饱和，现在主流的做法会在激活函数前多做一步batch normalization，尽可能保证每一层网络的输入具有均值较小的、零中心的分布。
3. ReLU公式：
ReLU非线性函数图像如下图所示。
- sigmoid和tanh在求导时含有指数运算，而ReLU求导几乎不存在任何计算量。
- 单侧抑制；
- 稀疏激活性；
- ReLU单元比较脆弱并且可能“死掉”，而且是不可逆的，因此导致了数据多样化的丢失。通过合理设置学习率，会降低神经元“死掉”的概率。
4. Leaky ReLU公式：
其中α是很小的负数梯度值，比如0.01，Leaky ReLU非线性函数图像如下图所示。这样做目的是使负轴信息不会全部丢失，解决了ReLU神经元“死掉”的问题。
5. ELU公式：
融合了sigmoid和ReLU，左侧具有软饱和性，右侧无饱和性。右侧线性部分使得ELU能够缓解梯度消失，而左侧软饱能够让ELU对输入变化或噪声更鲁棒。ELU的输出均值接近于零，所以收敛速度更快。在ImageNet上，不加 Batch Normalization 30 层以上的 ReLU网络会无法收敛，PReLU网络在MSRA的Fan-in （caffe ）初始化下会发散，而 ELU网络在Fan-in/Fan-out下都能收敛
ELU函数是针对ReLU函数的一个改进型，相比于ReLU函数，在输入为负数的情况下，是有一定的输出的，而且这部分输出还具有一定的抗干扰能力。这样可以消除ReLU死掉的问题，不过还是有梯度饱和和指数运算的问题。
七、说说BN，BN的全称，BN的作用，为什么能解决梯度爆炸？BN一般放在哪里？
答：Batch Normalization。归一化的作用，经过BN的归一化消除了尺度的影响，避免了反向传播时因为权重过大或过小导致的梯度消失或爆炸问题，从而可以加速神经网络训练。BN一般放在激活函数前面。
1）BN归一化的维度是[N,H,W]，那么channel维度上(N,H,W方向)的所有值都会减去这个归一化的值，对小的batch size效果不好；
2）LN归一化的维度是[H,W,C]，那么batch维度上(H,W,C方向)的所有值都会减去这个归一化的值，主要对RNN作用明显；
3）IN归一化的维度是[H,W]，那么H,W方向的所有值都会减去这个归一化的值，用在风格化迁移；
4）GN是将通道分成G组，归一化的维度为[H,W,C//G]。
八、skip connection的作用
答：防止梯度消失；传递浅层信息，比如边缘、纹理和形状。CNNs with skip connections have been the main stream for modern network design since it can mitigate the gradient vanishing/exploding issue in ultra deep networks by the help of skip connections.
九、图像分割领域常见的loss function？
答：
第一，softmax+cross entropy loss，比如fcn和u-net。
第二，第一的加权版本，比如segnet，每个类别的权重不一样。第三，使用adversarial training，加入gan loss。
第四，sigmoid+dice loss，比如v-net，只适合二分类。
第五，online bootstrapped cross entropy loss，比如FRNN。
第六，类似于第四，sigmoid+jaccard(IoU)，只适合二分类，但是可推广到多类。)
十、BN应该放在非线性激活层的前面还是后面？
答：在BN的原始论文中，BN是放在非线性激活层前面的。但是现在目前在实践中，倾向于把BN放在ReLU后面，也有评测表明BN放ReLu后面更好。还有一种观点，BN放在非线性函数前还是后取决于你想要normalize的对象，更像一个超参数。
总结
2021-11-14