本讲来聊聊深度学习的数学基础。
深度学习听起来很锋利,其实它背后是一些很风趣的数学原理。本讲会用简朴的方式表明这些原理,还会用一些具体的例子来帮助你理解。
2.1 初识神经网络
先从一个简朴的使命开始:辨认手写数字。
想象一下,你有一堆手写数字的图片,你想让盘算机辨认出这些数字。这听起来是不是有点像邪术?其实,这就是深度学习能做的事变。我们用一个简朴的神经网络来解决这个问题。
我们用的是MNIST数据集,这是一个很经典的数据集,包含60,000张训练图片和10,000张测试图片,每张图片都是一个28×28的灰度图像。我们的目标是训练一个神经网络,让它能够辨认这些数字。
- from keras.datasets import mnist
- (train_images, train_labels), (test_images, test_labels) = mnist.load_data()
复制代码 我们来看看这些数据。
train_images是一个形状为(60000, 28, 28)的3D张量,train_labels是一个长度为60000的数组,包含0到9的数字。test_images和test_labels也是类似的,但只有10,000张图片。
- print(train_images.shape) # 输出:(60000, 28, 28)
- print(train_labels.shape) # 输出:(60000,)
复制代码 接下来,我们构建一个简朴的神经网络。
这个网络包含两个Dense层,第一层有512个神经元,第二层有10个神经元,对应10个数字类别。我们使用ReLU激活函数和softmax激活函数,让网络能够输出每个数字的概率。
- from keras import models
- from keras import layers
- network = models.Sequential()
- network.add(layers.Dense(512, activation='relu', input_shape=(28 * 28,)))
- network.add(layers.Dense(10, activation='softmax'))
复制代码 然后,我们必要编译网络。
我们选择rmsprop作为优化器,categorical_crossentropy作为损失函数,accuracy作为评估指标。
- network.compile(optimizer='rmsprop',
- loss='categorical_crossentropy',
- metrics=['accuracy'])
复制代码 在训练之前,我们必要对数据进行预处理。
我们必要将图片数据从整数转换为浮点数,并且将它们的形状从(28, 28)变为(28 * 28)。我们还必要将标签数据进行分类编码。
- train_images = train_images.reshape((60000, 28 * 28))
- train_images = train_images.astype('float32') / 255
- test_images = test_images.reshape((10000, 28 * 28))
- test_images = test_images.astype('float32') / 255
- from keras.utils import to_categorical
- train_labels = to_categorical(train_labels)
- test_labels = to_categorical(test_labels)
复制代码 末了,我们开始训练网络。
我们用fit方法来训练网络,每次迭代都会盘算损失值和准确率。我们训练5个epoch,每次处理128张图片。
- network.fit(train_images, train_labels, epochs=5, batch_size=128)
复制代码 训练完成后,我们在测试集上评估模子的性能。
- test_loss, test_acc = network.evaluate(test_images, test_labels)
- print('Test accuracy:', test_acc)
复制代码 效果怎么样呢?
你会发现,这个简朴的神经网络在测试集上的准确率可以达到98%左右。这说明深度学习真的很强大,它能够自动从数据中学习规律,然后在新数据上进行准确的猜测。
2.2 神经网络的数据表示
好,下面我们来聊聊神经网络的数据表示。
在深度学习中,所有的数据都是以张量的情势存储的。张量就像是一个多维数组,它可以存储不同维度的数据。比如,标量是一个0维张量,它就是一个单独的数字;向量是一个1维张量,它是一组数字;矩阵是一个2维张量,它是一个数字的网格。在深度学习中,我们经常用到高维张量,比如一个4维张量可以用来表示一批图像数据。
我们来看一个具体的例子。
在MNIST数据集中,每张图片是一个28×28的灰度图像,它是一个2维张量。当我们把所有图片放在一起时,它就变成了一个3维张量。比如,train_images是一个形状为(60000, 28, 28)的3D张量,表示有60,000张图片,每张图片是一个28×28的矩阵。
- print(train_images.shape) # 输出:(60000, 28, 28)
复制代码 张量的属性也很紧张。
每个张量都有几个紧张的属性:它的轴数(维度数)、形状(每个维度的巨细)和数据类型(比如float32或uint8)。这些属性决定了张量的结构和存储方式。
- print(train_images.ndim) # 输出:3
- print(train_images.shape) # 输出:(60000, 28, 28)
- print(train_images.dtype) # 输出:uint8
复制代码 在训练神经网络之前,我们必要对数据进行预处理。
我们必要将图片数据从整数转换为浮点数,并且将它们的形状从(28, 28)变为(28 * 28)。我们还必要将标签数据进行分类编码。
- train_images = train_images.reshape((60000, 28 * 28))
- train_images = train_images.astype('float32') / 255
- test_images = test_images.reshape((10000, 28 * 28))
- test_images = test_images.astype('float32') / 255
- from keras.utils import to_categorical
- train_labels = to_categorical(train_labels)
- test_labels = to_categorical(test_labels)
复制代码 为什么要这样做呢?
因为神经网络必要输入的数据是浮点数,并且数据的范围最好在0到1之间。这样可以让网络的学习过程更加稳固。分类编码则是为了让标签数据更得当神经网络的输出层。
2.3 神经网络的“齿轮”:张量运算
张量运算是神经网络的核心,它决定了数据如安在神经网络中流动和变换。我们来看几个具体的张量运算。
逐元素运算
逐元素运算是最简朴的张量运算之一,它会对张量中的每个元素单独进行操纵。比如,ReLU激活函数会将所有负值置为0,这可以帮助网络处理非线性问题。
- import numpy as np
- def naive_relu(x):
- assert len(x.shape) == 2
- x = x.copy()
- for i in range(x.shape[0]):
- for j in range(x.shape[1]):
- x[i, j] = max(x[i, j], 0)
- return x
复制代码 广播机制
广播是一种非常奇妙的机制,它可以让不同形状的张量进行运算。比如,你可以将一个2D张量和一个1D张量相加,广播会自动将1D张量扩展到2D张量的形状,然后进行逐元素运算。
- def naive_add_matrix_and_vector(x, y):
- assert len(x.shape) == 2
- assert len(y.shape) == 1
- assert x.shape[1] == y.shape[0]
- x = x.copy()
- for i in range(x.shape[0]):
- for j in range(x.shape[1]):
- x[i, j] += y[j]
- return x
复制代码 张量点积
点积是一种非常紧张的张量运算,它会将两个张量的元素合并在一起。比如,矩阵乘法就是一种点积运算,它在神经网络中被广泛用于盘算权重和输入的组合。
- def naive_matrix_dot(x, y):
- assert len(x.shape) == 2
- assert len(y.shape) == 2
- assert x.shape[1] == y.shape[0]
- z = np.zeros((x.shape[0], y.shape[1]))
- for i in range(x.shape[0]):
- for j in range(y.shape[1]):
- row_x = x[i, :]
- column_y = y[:, j]
- z[i, j] = np.dot(row_x, column_y)
- return z
复制代码 张量变形与转置
张量变形可以改变张量的形状,但不会改变它的数据。比如,你可以将一个3D张量变形为一个2D张量,以便进行矩阵运算。转置则是将矩阵的行和列交换,这在某些情况下非常有效。
- x = np.array([[5, 78, 2, 34, 0],
- [6, 79, 3, 35, 1],
- [7, 80, 4, 36, 2]])
- x = x.reshape((2, 3, 5)) # 变形为一个3D张量
- x = np.transpose(x) # 转置
复制代码 2.4 神经网络的“引擎”:基于梯度的优化
想象你有一个函数,你想找到它的最小值。导数就像是一个指南针,它告诉你函数在某个点的变化方向。梯度则是导数在多维空间中的推广,它告诉你函数在每个方向上的变化速度。
梯度降落算法就像是一个爬山者,它会沿着梯度的反方向一步一步地探求函数的最小值。
每次迭代,它都会根据梯度的巨细调整本身的位置,直到找到最小值。
- def naive_gradient_descent(x, gradient, learning_rate):
- x -= learning_rate * gradient
- return x
复制代码 随机梯度降落(SGD)是一种更高效的梯度降落算法,它每次只用一小部分数据来盘算梯度。
这样可以大大减少盘算量,同时让训练过程更快。
- def naive_sgd(x, gradient, learning_rate):
- x -= learning_rate * gradient
- return x
复制代码 链式求导与反向传播算法是深度学习的核心。
反向传播算法通过链式求导来盘算每个参数的梯度。想象你有一个复杂的机器,你想调整它的每个部件来达到最好的效果。反向传播就像是一个工程师,它从输出端开始,逐层盘算每个部件的调整方向,然后将这些调整方向传播回输入端。
- def naive_backpropagation(x, y, learning_rate):
- # 这里是一个简化的反向传播过程
- gradient = np.dot(x.T, y)
- x = naive_gradient_descent(x, gradient, learning_rate)
- return x
复制代码 2.5 回首第一个例子
好,下面我们来回首一下第一个例子。
我们用Keras框架实现了一个简朴的神经网络,让它能够辨认手写数字。我们加载了MNIST数据集,对数据进行了预处理,构建了一个包含两个Dense层的神经网络,编译了网络,训练了网络,并在测试集上评估了模子的性能。
我们来看看这个过程的具体代码。
- from keras.datasets import mnistfrom keras import modelsfrom keras import layers# 加载数据(train_images, train_labels), (test_images, test_labels) = mnist.load_data()# 数据预处理train_images = train_images.reshape((60000, 28 * 28))
- train_images = train_images.astype('float32') / 255
- test_images = test_images.reshape((10000, 28 * 28))
- test_images = test_images.astype('float32') / 255
- from keras.utils import to_categorical
- train_labels = to_categorical(train_labels)
- test_labels = to_categorical(test_labels)# 构建网络network = models.Sequential()network.add(layers.Dense(512, activation='relu', input_shape=(28 * 28,)))network.add(layers.Dense(10, activation='softmax'))# 编译网络network.compile(optimizer='rmsprop',
- loss='categorical_crossentropy',
- metrics=['accuracy'])# 训练网络network.fit(train_images, train_labels, epochs=5, batch_size=128)# 评估模子test_loss, test_acc = network.evaluate(test_images, test_labels)
- print('Test accuracy:', test_acc)
复制代码 效果怎么样呢?
你会发现,这个简朴的神经网络在测试集上的准确率可以达到98%左右。这说明深度学习真的很强大,它能够自动从数据中学习规律,然后在新数据上进行准确的猜测。
总结
我们从神经网络的数据表示讲起,了解了张量的概念和属性。我们还学习了几种紧张的张量运算,比如逐元素运算、广播机制、点积运算、张量变形和转置。末了,我们深入探讨了基于梯度的优化,包括梯度降落算法、随机梯度降落算法和反向传播算法。
这些数学基础是深度学习的核心,它们让神经网络能够自动学习数据的复杂特征。
免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作!更多信息从访问主页:qidao123.com:ToB企服之家,中国第一个企服评测及商务社交产业平台。 |