pytorch基础 神经网络构建

www.ai-xlab.com

AI MOOC

Torch介绍

Torch是一个开源的机器学习的框架，早在2002年就发

布了Torch的初版，Torch的编程语言为C和Lua。如今

的Torch7依旧是热门的深度学习框架之一。 www.ai-xlab.com

AI MOOC

PyTorch介绍

PyTorch是在2017年1月由Facebook推出的。它是经

典机器学习库Torch框架的一个端口，主要编程语言为

python。

PyTorch“曾经”的优点是动态图

PyTorch现在的优点是开源代码和开源社区 www.ai-xlab.com

AI MOOC

各种深度学习框架介绍

Torch： 2002年发布，早期的机器学习框架。

Theano： 2008年开发，第一个影响力较大的python深度学习框架。

CNTK： 2016年1月由微软公司开源，在语音领域效果比较突出。

TensorFlow： 2015年11月Google开源，目前最热门深度学习框架之一。

Keras： 以Theano/Tensorflow/CNTK作为底层，最容易使用的深度学习框架。

Caffe/Caffe2: 2013年开源的C++深度学习框架，曾经计算机视觉领域的王者。

MXNet： 2015年发布，AWS云计算的官方深度学习平台。

Paddle： 2016年8月开源的百度深度学习框架。

PyTorch： 2017年开源，Torch的python版本，目前最有潜力，最热门的深度学

习框架之一。 www.ai-xlab.com

AI MOOC

安装 url    PyTorch    PyTorch

www.ai-xlab.com

AI MOOC

MNIST数据集介绍

2 www.ai-xlab.com

AI MOOC

MNIST数据集

MNIST数据集官网： Yann LeCun’s Website

下载下来的数据集被分成两部分：60000行的训练数据集（mnist.train）和

10000行的测试数据集（mnist.test） www.ai-xlab.com

AI MOOC

MNIST的数据

一张图片包含28*28个像素，我们把这一个数组展开成一个向量，长度是28*28=784。

如果把数据用矩阵表示，可以把MNIST训练数据变成一个形状为 [60000, 784] 的矩阵，

第一个维度数字用来索引图片，第二个维度数字用来索引每张图片中的像素点。图片里

的某个像素的强度值介于0-1之间。 www.ai-xlab.com

AI MOOC

MNIST的数据 www.ai-xlab.com

AI MOOC

独热编码（one-hot）

• MNIST数据集的标签是介于0-9的数字，我们要把标签转化为“one-hot

vectors”。一个one-hot向量除了某一位数字是1以外，其余维度数字都是0，

比如标签0将表示为([1,0,0,0,0,0,0,0,0,0])，标签3将表示为

([0,0,0,1,0,0,0,0,0,0]) 。

• 因此，可以把MNIST训练集的标签变为 [60000, 10] 的矩阵。 www.ai-xlab.com

AI MOOC

Softmax函数介绍

3 www.ai-xlab.com

AI MOOC

Softmax激活函数

在多分类问题中，我们通常会使用softmax函数作为网络输出层的激活函数，

softmax函数可以对输出值进行归一化操作，把所有输出值都转化为概率，所有概率

值加起来等于1，softmax的公式为：

(ሻ =

ሻ

ex p(

σ

൯

ex p(

www.ai-xlab.com

AI MOOC

Softmax计算例子

例如某个神经网络有3个输出值，为[1,5,3]。

计算e1=2.718，e5=148.413，e3=20.086，e1+e5+e3=171.217。

p1 =

1

1 +

5 + 3 = 0.016 ， p2 =

5

1 +

5 + 3 = 0.867 ， p3 =

3

1 +

5 + 3 = 0.117 。

所以加上softmax函数后数值变成了[0.016,0.867,0.117]。

例如手写数字识别的网络最后的输出结果本来是:

[-0.124, -4.083, -0.62, 0.899, -1.193, -0.701, -2.834, 6.925, -0.332, 2.064]，

加上softmax函数后会变成:

[0.001, 0.0, 0.001, 0.002, 0.0, 0.0, 0.0, 0.987, 0.001, 0.008]。 www.ai-xlab.com

AI MOOC

交叉熵

4 www.ai-xlab.com

AI MOOC

二次代价函数

二次代价函数：

激活函数的梯度f’(z)越大，w的大小调整得越快，训练收敛得就越

快。激活函数的梯度f’(z)越小，w的大小调整得越慢，训练收敛得

就越慢。 www.ai-xlab.com

AI MOOC

二次代价函数

以一个二分类问题为例，进行两组实验。输入同一个样本数据x=1.0，该样本对应

的分类为y=0，使用sigmoid激活函数。 www.ai-xlab.com

AI MOOC

二次代价函数 www.ai-xlab.com

AI MOOC

交叉熵（Cross-Entropy）

换一个思路，我们不改变激活函数，而是改变代价函数，

该用交叉熵代价函数：

对于sigmoid函数： www.ai-xlab.com

AI MOOC

过拟合

5 www.ai-xlab.com

AI MOOC

回归拟合

欠拟合(Underfitting)

正确拟合(Just right)

过拟合(Overfitting) www.ai-xlab.com

AI MOOC

分类拟合

x 1

x 2

x 1

x 2

x 1

x 2

欠拟合(Underfitting)

正确拟合(Just right)

过拟合(Overfitting) www.ai-xlab.com

AI MOOC

过拟合导致测试误差变大 www.ai-xlab.com

AI MOOC

防止过拟合

6 www.ai-xlab.com

AI MOOC

增大数据集

数据挖掘领域流行着这样一句话，“有时候拥有更多的数据胜过一个

好的模型”。一般来说更多的数据参与训练，训练得到的模型就越好。

如果数据太少，而我们构建的神经网络又太复杂的话就比较容易产生

过拟合的现象。 www.ai-xlab.com

AI MOOC

增大图片数据集

1.随机裁剪

2.水平翻转

3.光照颜色抖动 www.ai-xlab.com

AI MOOC

Early stopping

在训练模型的时候，我们往往会设置一个比较大的迭代次数。Early

stopping便是一种提前结束训练的策略用来防止过拟合。

一般的做法是记录到目前为止最好的validation accuracy，当连续10个

Epoch没有达到最佳accuracy时，则可以认为accuracy不再提高了。此

时便可以停止迭代了（Early Stopping）。 www.ai-xlab.com

AI MOOC

Dropout www.ai-xlab.com

AI MOOC

正则化项

C0代表原始的代价函数，n代表样本的个数，λ就是正则项系数，

权衡正则项与C0项的比重。

L1正则化：

L2正则化：

L1正则化可以达到模型参

数稀疏化的效果

L2正则化可以使得模型的权

值衰减，使模型参数值都接

近于0。 www.ai-xlab.com

AI MOOC

正则化项 www.ai-xlab.com

AI MOOC

优化器

7 www.ai-xlab.com

AI MOOC

Adadelta

Adagrad

Adam

Adamax

AdamW

ASGD

LBFGS

RMSprop

Rprop

SGD

SparseAdam

优化器 www.ai-xlab.com

AI MOOC

优化器 www.ai-xlab.com

www.ai-xlab.com

AI MOOC

卷积神经网络CNN

1 www.ai-xlab.com

AI MOOC

卷积神经网络是近年发展起来，并广泛应用于图像处理，NLP等领域的一

种多层神经网络。

传统BP处理图像时的问题：

1.权值太多，计算量太大

2.权值太多，需要大量样本

进行训练。

CNN www.ai-xlab.com

AI MOOC

1962年哈佛医学院神经生理学家Hubel和Wiesel通过对猫视觉皮层细

胞的研究，提出了感受野(receptive field)的概念，1984年日本学者

Fukushima基于感受野概念提出的神经认知机(neocognitron)可以看

作是卷积神经网络的第一个实现网络，也是感受野概念在人工神经网

络领域的首次应用。

局部感受野 www.ai-xlab.com

AI MOOC

CNN通过 局部感受野 和 权值共享 减少了神经网络需要训练的参数个数

局部感受野和权值共享 www.ai-xlab.com

AI MOOC

1*1+1*0+1*1+0*0+1*1+1*0+0*1+0*0+1*1 = 4

特征图:feature map

卷积核/滤波器

卷积计算 www.ai-xlab.com

AI MOOC

步长为1

步长为2

不同步长的卷积 www.ai-xlab.com

AI MOOC

滤波器 www.ai-xlab.com

AI MOOC

Pooling常用的三种方式：

1.max-pooling

2.mean-pooling

3.stochastic pooling

池化Pooling www.ai-xlab.com

AI MOOC

SAME PADDING:

给平面外部补0

卷积窗口采样后得到一个跟原来大小相同的平面

VALID PADDING:

不会超出平面外部

卷积窗口采样后得到一个比原来平面小的平面

VALID PADDING

SAME PADDING

Padding www.ai-xlab.com

AI MOOC

SAME PADDING

VALID PADDING

Padding www.ai-xlab.com

AI MOOC

SAME PADDING:可能会给平面外部补0

VALID PADDING:不会超出平面外部

假如有一个28*28的平面，用2*2步长为2的窗口对其进行卷积/池化操作

使用SAME PADDING的方式，得到14*14的平面

使用VALID PADDING的方式，得到14*14的平面

假如有一个2*3的平面，用2*2步长为2的窗口对其进行卷积/池化操作

使用SAME PADDING的方式，得到1*2的平面

使用VALID PADDING的方式，得到1*1的平面

Padding www.ai-xlab.com

AI MOOC

LeNET-5 是最早的卷积神经网络之一，曾广泛用于美国银行。手写

数字识别正确率在99%以上。

卷积窗口:5*5

步长:1

池化窗口:2*2

步长:2

卷积窗口:5*5

步长:1

池化窗口:2*2

步长:2

卷积层

池化层 卷积层

池化层

输入层

全链接层 全链接层

输出层

LeNET-5 www.ai-xlab.com

AI MOOC

可视化：

http://scs.ryerson.ca/~aharley/vis/conv/

http://scs.ryerson.ca/~aharley/vis/conv/flat.html

LeNET-5 www.ai-xlab.com

AI MOOC

ImageNet介绍

2 www.ai-xlab.com

AI MOOC

ImageNet是一个计算机视觉系统识别项目，是目前世界上图像识别最大

的数据库。一共有1500万张左右的图片，被分为22000个左右的类。是

由斯坦福教授李飞飞领导建立的。

TED演讲：我们怎么教计算机理解图片？

ImageNet www.ai-xlab.com

AI MOOC

1976年出生于北京，长在四川，16岁随父母移居美国新泽西州。

1999年毕业于普林斯顿大学，2005年获得加州理工学院电子工程博士。

2009年加入斯坦福大学担任助理教授，并于2012年担任副教授（终生教授），和

斯坦福人工智能实验室与视觉实验室主任。

2017年1月入职Google，担任谷歌云首席科学家 。

2018年9月卸任谷歌云首席科学家，回归斯坦福大学当教授。

李飞飞 www.ai-xlab.com

AI MOOC

ILSVRC:ImageNet Large Scale Visual Recognition Challenge

ILSVRC www.ai-xlab.com

AI MOOC

ILSVRC:ImageNet Large Scale Visual Recognition Challenge

ILSVRC www.ai-xlab.com

AI MOOC

序列模型

3 www.ai-xlab.com

AI MOOC

RNN（Recurrent Neural Network）

1986年 Rumelhart 等人提出循环神经网络(recurrent neural network)，简称RNN。RNN

跟我们之前学习过的神经网络都不太一样，它是一种序列模型。比如卷积网络是专门用来处

理网格化数据（例如图像数据）的神经网络，RNN是专门用来处理序列数据的神经网络。所

谓的序列数据指的是跟序列相关的数据，比如一段语音，一首歌曲，一段文字，一段录像等。 www.ai-xlab.com

AI MOOC

序列模型应用：语音识别

把语音转换成为文字 www.ai-xlab.com

AI MOOC

序列模型应用：文本分类

把文章，邮件或用户评论等文本数据做分类 www.ai-xlab.com

AI MOOC

序列模型应用：机器翻译

例如把中文翻译成英文 www.ai-xlab.com

AI MOOC

序列模型应用：分词标注

给一段文字做分词标注，标注每个字对应的标号。假如使用4-tag(BMES)标注标签，

B表示词的起始位置，M表示词的中间位置，E表示词的结束位置，S表示单字词。

可以得到类似如下结果：

“人/B 们/E 常/S 说/S 生/B 活/E 是/S 一/S 部/S 教/B 科/M 书/E ” www.ai-xlab.com

AI MOOC

RNN（Recurrent Neural Network） www.ai-xlab.com

AI MOOC

RNN（Recurrent Neural Network）

隐层 h t 接收的是上时刻的隐层（hidden layer）

h t−1

还是上时刻的输出（output layer）y t−1 ，

可以分成了两种 RNN：

Elman network 接收上时刻的隐层 h t−1

Jordan network 接收上时刻的输出 y t−1 www.ai-xlab.com

AI MOOC

RNN一个重要的用法就是通过之前的信息来决策当前的问题。

比如就像我们看电影，我们要根据电影之前的情节，才能理解现在的情节。

例子1：有一朵云飘在（）

例子2：我从小生长在美国。。。我可以说一口流利的（）

RNN（Recurrent Neural Network） www.ai-xlab.com

AI MOOC

RNN（Recurrent Neural Network） www.ai-xlab.com

AI MOOC

长短时记忆网络LSTM

4 www.ai-xlab.com

AI MOOC

i t 输入门信号

f t 忘记门信号

Cell输入信号

c t Cell输出信号

o t 输出门信号

h t block输出信号

x t 第t个序列输入

h t-1 第t-1个序列输出

σ g sigmoid函数

σ c tanh函数

σ h tanh函数或线性函数

LSTM(Long Short Term Memory) www.ai-xlab.com

AI MOOC

Peephole LSTM

和之前的公式做比较，发现只是把 h t−1 都换成

了 c t−1 ，即三个门的输入都改成了 [x t ,c t−1 ] 。因

为是从 cell state 里取得信息，所以叫窥视孔（

peephole）。 www.ai-xlab.com

AI MOOC

FC-LSTM(Fully-connected LSTM )

三个输入分别是 [x t ,h t−1 ,c t−1 ] www.ai-xlab.com

AI MOOC

LSTM(Long Short Term Memory) www.ai-xlab.com

AI MOOC

LSTM(Long Short Term Memory) www.ai-xlab.com

AI MOOC

门控循环单元GRU

5 www.ai-xlab.com

AI MOOC

GRU(Gated Recurrent Unit)

GRU 这个结构是 2014 年才出现的，效果跟

LSTM差不多，但是用到的参数更少。将忘记

门和输入门合成了一个单一的更新门。

z t 是更新门(update gate)，决定h t 的更新情况

r t 是重置门(reset gate)，决定是否要放弃h t-1

෨

ℎ

是候选输出，接收 [x t ,h t−1 ]

h t 是当前输出，接收 [h t−1 ,

෨

ℎ

] www.ai-xlab.com

AI MOOC

其他RNN模型

6 www.ai-xlab.com

AI MOOC

双向RNN(Bidirectional RNNs)

双向的 RNN 是同时考虑“过去”和“未来”的信息，输入（黑色点）沿着黑色的实线箭

头传输到隐层（黄色点），再沿着红色实线传到输出（红色点）。黑色实线做完前向传播

后，在 Bidirectional RNNs 却先不急着后向传播，而是从末尾的时刻沿着虚线的方向再回

传回来。 www.ai-xlab.com

AI MOOC

Stacked Bidirectional RNNs

图中是双向的三层 RNNs，堆叠多层的RNN网络，可以增加模型的参数，提高模型的拟合

能力。每层的 hidden state 不仅要输给下一时刻，还是当做是此时刻下一层的输入。 www.ai-xlab.com

AI MOOC

THANKS