我们定义一个简单的2层神经网络
linear1 = LinearLayer(2,3)
relu1 = Relu()
linear2 = LinearLayer(3,1)
还需要定义一个损失函数Loss,用来衡量我们的输出结果与实际结果的误差。这里用的是均方误差MSE,表达式如下
计算图模型把一个复合运算拆分成为多个子运算,因此,我们需要引入很多中间变量。
根据这些公式,我们就可以用计算图模型来表示我们的神经网络,如下:
这个计算图就是上面那一堆公式的可视化表示。
在图里面,公式里每个出现过的变量都被视为一个节点,变量之间的连线描述了变量之间存在直接的计算的关系。计算图的表示方法,有什么好处呢?
下面我们基于这个计算图来用BP算法进行模型的训练。
对模型进行训练,就是找到一组模型的参数,使得我们的网络模型能够准确预测我们的训练数据。在我们这个例子里面,需要训练参数其实只有线性层的矩阵跟bias项:[公式] 。
训练采用的是BP算法,采用梯度下降法来逐渐迭代去更新参数。
梯度下降法的原理很简单,每次迭代中,用损失函数关于参数的梯度乘以学习率,来更新参数。
关于梯度我要多说几句。梯度表示Y关于x的变化率,可以理解成x的速度。由于W1是一个2X3的矩阵,那么loss关于W1的梯度可以理解W1的每个元素的瞬时速度。W1的梯度的形状,必然是严格跟参数本身的形状是一样的(每个点都有对应的速度)。也就是说损失函数关于W1的梯度也必然是一个2X3的矩阵(不然更新公式里面无法做加减)。
下面开始训练过程,
首先给定输入X,初始化 [公式] (记住不能初始为全0)。
正向传播(forward pass)
BP算法首先在计算图上面进行正向传播(forward pass),即从左到右计算所有未知量:
严格按照顺序计算,所有的 [公式] 都能先后求出,右边的y就是网络的当前预测结果。
反向传播(backward pass)
既然我们想要用参数的梯度来更新参数,那么我们需要求出最后的节点输出loss关于每个参数的梯度,求梯度的方法是反向传播。
由于我们已经进行过一次正向传播,因此图里面所有的节点的值都变成了已知量。
我们现在要求的是图里面标为红色的这4个梯度,它们距离loss有点儿远。
但是不急,有了这个计算图,我们可以慢慢从右往左推出这4个值。
先从最右边开始,观察到Loss节点只有一条边跟y连着,计算loss关于y的导数(这个求导只有一个变量y,怎么求不用我解释了吧):
我们就求得了损失函数关于输出y的导数,然后继续往左边计算。
(已经求出的梯度我们用橙色来标记)
y是通过O2计算出来的,我们可以计算y关于O2的梯度:但是我们想要的是loss关于O2的梯度,这里应用到了链式求导法则:
loss关于y的梯度在之前已经求出来过了,然后就可以求出loss关于O2的梯度。
上图中 a2 关于它每个变量的梯度,可以直接根据 a2 与它左边3个变量的表达式来算出,如下:
这一步我们算出了两个需要计算的梯度,似乎并没有遇到困难,继续往左传播。
在计算 a1梯度的时候,我们遇到了relu激活函数,relu函数的梯度也很好求:
它的梯度就是在输入X的基础上,所有大于0的位置导数都是1,其他位置导数都是0,比如:
(这括号里的看不懂不要紧,当N维向量对M维向量求导应用链式法则时,通用一点儿的结果是一个NM的jacobian矩阵再乘M1向量,但是这里由于1. N=M。2. jacobian矩阵是一个对角方阵。所以可以简化成两个向量相乘)
再往左继续传,我就不写每个步骤了。
总之可以一直传到所有梯度都求出来为止。接下来一步就是愉快地进行随机梯度下降法的更新操作了。
观察我们的网络,发现里面的几个模块之间其实大部分干的事情都是相似的,无非就是层数不一样。那么我们就可以复用,我们完全可以把它们抽象成不同的Layer:于是,我们可以把这些类似模块看成一个小黑盒子,我们的模型等价于下面这个:于是上面那个复杂的网状结构,被我们简化成了线性结构。
下面我对照代码实现每个小黑盒子吧,实现代码在这个文件里面:Layers.py首先介绍线性全连接层,先看代码吧:
class LinearLayer:
def __init__(self, input_D, output_D):
self._W = np.random.normal(0, 0.1, (input_D, output_D)) #初始化不能为全0
self._b = np.random.normal(0, 0.1, (1, output_D))
self._grad_W = np.zeros((input_D, output_D))
self._grad_b = np.zeros((1, output_D))
def forward(self, X):
return np.matmul(X, self._W) + self._b
def backward(self, X, grad):
self._grad_W = np.matmul( X.T, grad)
self._grad_b = np.matmul(grad.T, np.ones(X.shape[0]))
return np.matmul(grad, self._W.T)
def update(self, learn_rate):
self._W = self._W - self._grad_W * learn_rate
self._b = self._b - self._grad_b * learn_rate
forward太简单了,就不讲了,看一下backward。
backward里面其实要计算3个值,W, b的梯度算完以后要存起来,前一层的梯度算完以后直接作为返回值传出去,推导的公式如下:注意矩阵求导应用链式法则的时候,顺序非常重要。要严格按照指定顺序来乘,不然形状对不上。具体什么顺序,可以自己想办法慢慢拼凑出来。
还有一个update函数,调用此函数这一层会按照梯度下降法来更新它的W跟b的值,这个实现也很简单直接看代码就明白了。
然后实现Relu层:
class Relu:
def __init__(self):
pass
def forward(self, X):
return np.where(X < 0, 0, X)
def backward(self, X, grad):
return np.where(X > 0, X, 0) * gr
由于这一层没有需要保存参数,只需要实现以下forward跟backward方法就行了,非常简单。
接下来开始实现神经网络训练。
训练部分的代码在 nn.py 里面,里面的代码哪里看不懂可以翻回去看之前的解释,命名都是跟上面说的一样的。
#训练数据:经典的异或分类问题
train_X = np.array([[0,0],[0,1],[1,0],[1,1]])
train_y = np.array([0,1,1,0])
#初始化网络,总共2层,输入数据是2维,第一层3个节点,第二层1个节点作为输出层,激活函数使用Relu
linear1 = LinearLayer(2,3)
relu1 = Relu()
linear2 = LinearLayer(3,1)
#训练网络
for i in range(10000):
#前向传播Forward,获取网络输出
o0 = train_X
a1 = linear1.forward(o0)
o1 = relu1.forward(a1)
a2 = linear2.forward(o1)
o2 = a2
#获得网络当前输出,计算损失loss
y = o2.reshape(o2.shape[0])
loss = MSELoss(train_y, y) # MSE损失函数
#反向传播,获取梯度
grad = (y - train_y).reshape(result.shape[0],1)
grad = linear2.backward(o1, grad)
grad = relu1.backward(a1, grad)
grad = linear1.backward(o0, grad)
learn_rate = 0.01 #学习率
#更新网络中线性层的参数
linear1.update(learn_rate)
linear2.update(learn_rate)
#判断学习是否完成
if i % 200 == 0:
print(loss)
if loss < 0.001:
print("训练完成! 第%d次迭代" %(i))
break
我觉得没啥好讲的,就直接对着我们的计算图,一步一步来。
注意一下中间过程几个向量的形状。列向量跟行向量是不一样的,一不小心把列向量跟行向量做运算,numpy不会报错,而是会广播成一个矩阵。所以运算的之前,记得该转置得转置。
#将训练好的层打包成一个model
model = [linear1, relu1, linear2]
#用训练好的模型去预测
def predict(model, X):
tmp = X
for layer in model:
tmp = layer.forward(tmp)
return np.where(tmp > 0.5, 1, 0)
把模型打包然后用上面的predict函数来预测。也没啥好说的,就直接往后一直forward就完儿事。
#开始预测
print("-----")
X = np.array([[0,0],[0,1],[1,0],[1,1]])
result = predict(model, X)
print("预测数据1")
print(X)
print("预测结果1")
print(result)
预测训练完的网络就能拿去搞预测了,我这里设置学习率为0.01的情况下,在第3315次迭代时候完成训练。