笔记——TensorFlow and deep learning, without a PhD

看了一篇用tensorflow搭建神经网络的教程《TensorFlow and deep learning, without a PhD》，链接为TensorFlow and deep learning, without a PhD

这个教程写的很好，能教你实实在在搭建一个神经网络和简单的卷积神经网络，教程中有代码，很详细清楚，适合入门。这是我的笔记，仅仅作为个人备忘。

几个概念：

1、“Broadcasting”是Python和numpy中使用的一个标准技巧。它使得具有不兼容维度的矩阵可以进行归一化操作。”Broadcasting add”表示：如果你想将两个矩阵相加，但是你不能加，因为两个矩阵的维度不一致，那就尝试去复制较小的一个使得他们能够相加（没太懂，原话为try to replicate the small one as much as needed to make it work）。

2、“tensor”（“张量”）像一个具有任意维数的矩阵。一个一维张量是向量，一个2维张量是矩阵，张量还可以有3维4维5维等等。

笔记

1、当你看到你的准确率曲线突然下降（如下图），并且控制台输出的交叉熵的数值为NaN时，你应该是在计算log(0)或者是类似的运算，可以查找原因进行解决。



2、learning rate decay

如果你发现训练后期，准确率曲线波动特别大，特别不稳定（如下图），一个原因可能是学习的步长太大，即learning rate太大，使得到达极小点又反弹回来了。可以使用变步长学习，前期步长大点，后期步长减小。

Here is the formula for exponential decay:

lr = lrmin+(lrmax-lrmin)*exp(-i/2000)



3、过拟合与dropout

当你的网络出现过拟合的时候，你需要“dropout”。就是在每次训练迭代的过程中，你从原始神经网络中随机去掉一部分的神经元。你可以用pkeep表示保留的神经元的比例，一般取50%~75%，然后按照比例在每次训练迭代的时候，随机地去除一部分神经元，并且去除与之相关的w和b。这样，在训练的每次迭代中，都会有不同的神经元被你抛弃（并且你必须按比例地增强剩余神经元的输出，以确保对下一层的激活不会移动）。进行测试时，所有的神经元都放回（即pkeep=1）。TensorFlow提供了一个drop函数作用于一层神经元的输出，它会随机的使一部分输出变为0，并且按1/pkeep 的比例增强剩余输出，该函数为tf.nn.dropout(y,pkeep)。如，两层的神经网络，第一层激活函数为relu，第二层激活函数为softmax，不用dropout的语句为：

y1=tf.nn.relu(tf.matmul(x,w1)+b1)
y2=tf.nn.softmax(tf.matmul(y1,w2)+b2)

改用dropout的语句为：

#feed in 1 when testing, 0.75 when training
pkeep=tf.placeholder(tf.float32)
y1=tf.nn.relu(tf.matmul(x,w1)+b1)
y1d=tf.nn.dropout(y1,pkeep)
y2=tf.nn.softmax(tf.matmul(y1d,w2)+b2)

dropout是出现过拟合是使用的常规技巧，但是不一定能解决过拟合的情况，过拟合有更深层的根源。过拟合的意思就是训练集上的准确率比测试集上的准确率高很多。造成过拟合的原因有过多的神经元、数据数量不够大、网络不好等。

4、卷积神经网络

平面图片是二维的，如果将其变成一个向量来作为输入的话，并不是一个好方法。二维的图片里面包含了形状的信息，如果认为将其变为一个向量的话，图片中本身的形状信息就被丢失了。有一种神经网络——卷积神经网络，能够较好地利用形状信息。

卷积神经网络需要用到函数

tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=None,data_format=None,name=None)。相关参数解释为：input是输入数据张量[batch, in_height, in_width, in_channels]，即【数量，输入数据的高度，输入数据的宽度，输入数据的通道数】;filter是w，[filter_height, filter_width, in_channels, out_channels]；strides是一个整数列表，长度为4的一维矩阵，格式为[1,stride_height,stride_width,1]，中间两个值指input的每一个维度的滑动窗格的步幅，代表了”max-pooling”；padding是字符串类型，可选值有“SAME”和“VALID”，我只用过“SAME”。

5、挑战准确率达到99%

比较好的神经网络的设计是：使用一个受限制的网络，给它的自由度多一点（比如设计滤波器的尺寸稍大、每层输出的通道数稍多，下面例子中的改进就是give the network more degrees of freedom），并且使用dropout保证不会过拟合。（A good approach to sizing your neural networks is to implement a network that is a little too constrained, then give it a bit more degrees of freedom and add dropout to make sure it is not overfitting. This ends up with a fairly optimal network for your problem.）

举个例子来说，我们之前用于手写数字识别的卷积网络中，第一层卷积网络的输出是4类，这个4类可能对于我们这个问题来说并不够。因为手写数字模型的类型多于4种。如果我们尝试将滤波器的大小和每层网络的输出类别增大，看看效果会不会好。网络设计由下面第一个图更改为第二个图：





运行结果表明，在该问题中效果变好了，准确率由98.9%提升到了99.1%，如果再加入dropout，准确率会提升到99.3%。