神经网络Tips 和Tricks

原文地址：一只鸟的天空，http://blog.csdn.net/heyongluoyao8/article/details/49537427

神经网络Tips 和Tricks

神经网络层数

ANN一般有三层或四层，包含一到两个隐含层。每层有10~1000个神经元。实验神经网络可能有5层甚至6层，包含3或4个隐含层，有数百万个神经元，但大多数实际应用仅有3层，因为每增加一层，计算量将呈呈指数级上升。

隐藏层单元个数

隐藏层单元个数是网络的一个超参数，它依赖于数据集。笼统地讲，数据集分布越复杂，那么网络需要有更强大的拟合能力，而网络的拟合能力是由隐藏层的单元个数决定的，个数越多，能力越强，因此需要更多的隐藏层节点数，一旦隐藏层节点增加，那么参数就会大量增加，那么网络的学习时间就会大量增多。因此需要取得一个平衡，
这里有几个经验公式：

nh=ni+no−−−−−−√+α

nh=log2ni+α

nh=ni∗no−−−−−√+α

其中

ni,nh,no 分别输入层、隐藏层、输出层的节点个数，

α 取

1 10 之间的常数。

但一般都是多试几个值，哪一个效果好就选取哪一个。当然也可以使用一些优化算法（如遗传算法、粒子群优化算法）或者启发式规则来确定。

隐藏层单元的激活函数

两个最常用非线性的激活函数是sigmoid和tanh函数，一般建议选择tanh函数（实践中也表明），因为tanh函数关于原点对称的，其输出是0均值，并作为下一层的输入，而零均值是下一层的输入所期望的。在实践中表明tanh具有更好的收敛性。

损失函数

损失函数即代价函数，也即模型训练中的优化目标，优化的方向便是使得损失函数最小。一般使用均方误差（MSE）或者softmax代价函数：

MSE=∑ni=1(Xi−X¯¯¯)2n

softmax=−∑ni=1∑kj=11{y(i)=j}logeθTjx(i)∑kleθTlx(i)n

初始参数

在对网络的参数进行初始化时，需要使得参数足够小并处于原点附近，使得激活函数在近似线性范围，这时候梯度就最大，使得在反向传播过程中的梯度消失（gradient vanish）问题得到减轻，特别是在深度学习中。一般经验为，对于tanh激活函数： uniform[−6√ni+no√,6√ni+no√] ，对于sigmoid激活函数： uniform[−4∗6√ni+no√,4∗6√ni+no√] ，其中 ni 与 no 分别是前一层（该层的输入层）与当前层的节点数，如在三层网络结构中，输入层节点数为 ni ，隐藏层的节点数为 nh ，输出层的节点数为 no ，那么输入层到隐藏层的连接权重矩阵的初始化为~ U(−6√ni+nh√,6√ni+nh√) ，隐藏层到输出层的连接权值矩阵的初始化为~ U(−6√nh+no√,6√nh+no√) 。

学习速率

选择一个好的学习速率是非常有必要的，因为如果学习速率过小，那么收敛慢，则需要更多的迭代，意味着需要更多的时间。如果学习速率过大，那么会引起在极值点附近震荡。但是最好的学习速率是很难找到的，需要进行多次试验选择一个实验中最好的学习速率，但是一旦换了一批数据，则可能这个学习速率又没有其它的好了。因此如何确定一个好的学习速率是一件较困难的事。最简单的方法便是，每次试验选取一个恒定的学习速率，然后进行多次试验，从这些试验的学习速率中选择一个最优的。一般规则是按照对数进行网格搜索，从初始值按照对数衰减，如 (10−1,10−2...) 。
随着迭代的次数衰减学习速率是个不错的方法，即随着迭代的进行步子不断减少，在极值点远处大步向前，到达极致点附近时，小步逼近，反正在极致点附近振荡，这样平衡了收敛时间与振荡。一个简单的做法便是 α01+d∗t ，其中 α0 是初始学习速率（可以使用前面的对数网格搜索来选择）， d 是衰减常数，用来控制学习速率衰减快慢的，一般其是一个较小的正数，如 10−3 或者更小， t 是第几次迭代。
当然更好的做法是为每一个连接权值选择不同的学习速率，以自适应分类器的误差。

是否需要加factor

在进行权值更新的时候，我们可以加上上次的更新量（不乘以学习速率的量）乘以一个factor因子，来控制权值的更新。可以提到收敛的速度。一般取factor为： 10−1,10−2...

正则参数

L1/L2正则一般选择的典型参数值 λ 为 10−2,10−3... 。

未完待续……