過去10年，人們對機(jī)器學(xué)習(xí)的興趣激增。幾乎每天，你都可以在各種各樣的計(jì)算機(jī)科學(xué)課程、行業(yè)會議、華爾街日報(bào)等等看到有關(guān)機(jī)器學(xué)習(xí)的討論。在所有關(guān)于機(jī)器學(xué)習(xí)的討論中，許多人把機(jī)器學(xué)習(xí)能做的事情和他們希望機(jī)器學(xué)習(xí)做的事情混為一談。從根本上講，機(jī)器學(xué)習(xí)是使用算法從原始數(shù)據(jù)中提取信息，并在某種類型的模型中表示這些信息。我們使用這個模型來推斷還沒有建模的其他數(shù)據(jù)。

神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)的一種模型，它們至少有50年歷史了。神經(jīng)網(wǎng)絡(luò)的基本單元是節(jié)點(diǎn)（node），基本上是受哺乳動物大腦中的生物神經(jīng)元啟發(fā)。神經(jīng)元之間的連接也以生物的大腦為模型，這些連接隨著時間的推移而發(fā)展的方式是為“訓(xùn)練”。

在20世紀(jì)80年代中期和90年代初期，許多重要的架構(gòu)進(jìn)步都是在神經(jīng)網(wǎng)絡(luò)進(jìn)行的。然而，為了得到好的結(jié)果需要大量時間和數(shù)據(jù)，這阻礙了神經(jīng)網(wǎng)絡(luò)的采用，因而人們的興趣也減少了。在21世紀(jì)初，計(jì)算能力呈指數(shù)級增長，計(jì)算技術(shù)出現(xiàn)了“寒武紀(jì)大爆發(fā)”。在這個10年的爆炸式的計(jì)算增長中，深度學(xué)習(xí)成為這個領(lǐng)域的重要的競爭者，贏得了許多重要的機(jī)器學(xué)習(xí)競賽。直到2017年，這種興趣也還沒有冷卻下來；今天，我們看到一說機(jī)器學(xué)習(xí)，就不得不提深度學(xué)習(xí)。

作者本人也注冊了Udacity的“Deep Learning”課程，這門課很好地介紹了深度學(xué)習(xí)的動機(jī)，以及從TensorFlow的復(fù)雜和/或大規(guī)模的數(shù)據(jù)集中學(xué)習(xí)的智能系統(tǒng)的設(shè)計(jì)。在課程項(xiàng)目中，我使用并開發(fā)了用于圖像識別的卷積神經(jīng)網(wǎng)絡(luò)，用于自然語言處理的嵌入式神經(jīng)網(wǎng)絡(luò)，以及使用循環(huán)神經(jīng)網(wǎng)絡(luò)/長短期記憶的字符級文本生成。

本文中，作者總結(jié)了10個強(qiáng)大的深度學(xué)習(xí)方法，這是AI工程師可以應(yīng)用于他們的機(jī)器學(xué)習(xí)問題的。首先，下面這張圖直觀地說明了人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)三者之間的關(guān)系。

人工智能的領(lǐng)域很廣泛，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域的一個子集，機(jī)器學(xué)習(xí)又是人工智能的一個子領(lǐng)域。將深度學(xué)習(xí)網(wǎng)絡(luò)與“經(jīng)典的”前饋式多層網(wǎng)絡(luò)區(qū)分開來的因素如下:

• 比以前的網(wǎng)絡(luò)有更多的神經(jīng)元
• 更復(fù)雜的連接層的方法
• 用于訓(xùn)練網(wǎng)絡(luò)的計(jì)算機(jī)能力的“寒武紀(jì)大爆炸”
• 自動特征提取

這里說的“更多的神經(jīng)元”時，是指神經(jīng)元的數(shù)量在逐年增加，以表達(dá)更復(fù)雜的模型。層（layers）也從多層網(wǎng)絡(luò)中的每一層都完全連接，到在卷積神經(jīng)網(wǎng)絡(luò)中層之間連接局部的神經(jīng)元，再到在循環(huán)神經(jīng)網(wǎng)絡(luò)中與同一神經(jīng)元的循環(huán)連接（ recurrent connections）。

深度學(xué)習(xí)可以被定義為具有大量參數(shù)和層的神經(jīng)網(wǎng)絡(luò)，包括以下四種基本網(wǎng)絡(luò)結(jié)構(gòu)：

• 無監(jiān)督預(yù)訓(xùn)練網(wǎng)絡(luò)
• 卷積神經(jīng)網(wǎng)絡(luò)
• 循環(huán)神經(jīng)網(wǎng)絡(luò)
• 遞歸神經(jīng)網(wǎng)絡(luò)

在本文中，主要介紹后三種架構(gòu)?；旧?，卷積神經(jīng)網(wǎng)絡(luò)（CNN）是一個標(biāo)準(zhǔn)的神經(jīng)網(wǎng)絡(luò)，通過共享的權(quán)重在空間中擴(kuò)展。CNN設(shè)計(jì)用于通過內(nèi)部的卷積來識別圖像，它可以看到圖像中待識別的物體的邊緣。循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）被設(shè)計(jì)用于識別序列，例如語音信號或文本。它的內(nèi)部有循環(huán)，這意味著網(wǎng)絡(luò)上有短的記憶。遞歸神經(jīng)網(wǎng)絡(luò)更像是一個層級網(wǎng)絡(luò)，在這個網(wǎng)絡(luò)中，輸入必須以一種樹的方式進(jìn)行分層處理。下面的10種方法可以應(yīng)用于所有這些架構(gòu)。

1. 反向傳播

反向傳播（Back-prop）是一種計(jì)算函數(shù)偏導(dǎo)數(shù)（或梯度）的方法，具有函數(shù)構(gòu)成的形式（就像神經(jīng)網(wǎng)絡(luò)中）。當(dāng)使用基于梯度的方法（梯度下降只是方法之一）解決優(yōu)化問題時，你需要在每次迭代中計(jì)算函數(shù)梯度。

對于神經(jīng)網(wǎng)絡(luò)，目標(biāo)函數(shù)具有組合的形式。如何計(jì)算梯度呢？有兩種常用的方法：(i)解析微分（Analytic differentiation）。你已經(jīng)知道函數(shù)的形式，只需要用鏈?zhǔn)椒▌t（基本微積分）來計(jì)算導(dǎo)數(shù)。(ii)利用有限差分進(jìn)行近似微分。這種方法在計(jì)算上很昂貴，因?yàn)楹瘮?shù)值的數(shù)量是O(N)，N指代參數(shù)的數(shù)量。不過，有限差分通常用于在調(diào)試時驗(yàn)證back-prop實(shí)現(xiàn)。

2. 隨機(jī)梯度下降法

一種直觀理解梯度下降的方法是想象一條河流從山頂流下的路徑。梯度下降的目標(biāo)正是河流努力達(dá)到的目標(biāo)——即，到達(dá)***端（山腳）。

現(xiàn)在，如果山的地形是這樣的，在到達(dá)最終目的地之前，河流不會完全停下來（這是山腳的***點(diǎn)，那么這就是我們想要的理想情況。）在機(jī)器學(xué)習(xí)中，相當(dāng)從初始點(diǎn)（山頂）開始，我們找到了解決方案的全局最?。ɑ?**）解。然而，可能因?yàn)榈匦蔚男再|(zhì)迫使河流的路徑出現(xiàn)幾個坑，這可能迫使河流陷入困境。在機(jī)器學(xué)習(xí)術(shù)語中，這些坑被稱為局部極小值，這是不可取的。有很多方法可以解決這個問題。

因此，梯度下降很容易被困在局部極小值，這取決于地形的性質(zhì)（用ML的術(shù)語來說是函數(shù)的性質(zhì))。但是，當(dāng)你有一種特殊的地形時（形狀像一個碗，用ML的術(shù)語來說，叫做凸函數(shù)），算法總是保證能找到***解。凸函數(shù)對ML的優(yōu)化來說總是好事，取決于函數(shù)的初始值，你可能會以不同的路徑結(jié)束。同樣地，取決于河流的速度（即，梯度下降算法的學(xué)習(xí)速率或步長），你可能以不同的方式到達(dá)最終目的地。這兩個標(biāo)準(zhǔn)都會影響到你是否陷入坑里（局部極小值）。

3. 學(xué)習(xí)率衰減

根據(jù)隨機(jī)梯度下降的優(yōu)化過程調(diào)整學(xué)習(xí)率（learning rate）可以提高性能并減少訓(xùn)練時間。 有時這被稱為學(xué)習(xí)率退火（ learning rate annealing）或自適應(yīng)學(xué)習(xí)率（adaptive learning rates）。訓(xùn)練過程中最簡單，也是最常用的學(xué)習(xí)率適應(yīng)是隨著時間的推移而降低學(xué)習(xí)度。 在訓(xùn)練過程開始時使用較大學(xué)習(xí)率具有進(jìn)行大的改變的好處，然后降低學(xué)習(xí)率，使得后續(xù)對權(quán)重的訓(xùn)練更新更小。這具有早期快速學(xué)習(xí)好權(quán)重，后面進(jìn)行微調(diào)的效果。

兩種常用且易于使用的學(xué)習(xí)率衰減方法如下：

• 逐步降低學(xué)習(xí)率。
• 在特定的時間點(diǎn)較大地降低學(xué)習(xí)率。

4 . Dropout

具有大量參數(shù)的深度神經(jīng)網(wǎng)絡(luò)是非常強(qiáng)大的機(jī)器學(xué)習(xí)系統(tǒng)。然而，過擬合在這樣的網(wǎng)絡(luò)中是一個嚴(yán)重的問題。大型網(wǎng)絡(luò)的使用也很緩慢，這使得在測試時將許多不同的大型神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)合起來變得困難。Dropout是解決這個問題的一種方法。

Dropout 的關(guān)鍵想法是在訓(xùn)練過程中隨機(jī)地從神經(jīng)網(wǎng)絡(luò)中把一些units（以及它們的連接）從神經(jīng)網(wǎng)絡(luò)中刪除。這樣可以防止單元過度適應(yīng)。在訓(xùn)練過程中，從一個指數(shù)級的不同的“稀疏”網(wǎng)絡(luò)中刪除一些樣本。在測試時，通過簡單地使用一個具有較小權(quán)重的單一網(wǎng)絡(luò)，可以很容易地估計(jì)所有這些“變瘦”了的網(wǎng)絡(luò)的平均預(yù)測效果。這顯著減少了過擬合，相比其他正則化方法有了很大改進(jìn)。研究表明，在視覺、語音識別、文檔分類和計(jì)算生物學(xué)等監(jiān)督學(xué)習(xí)任務(wù)中，神經(jīng)網(wǎng)絡(luò)的表現(xiàn)有所提高，在許多基準(zhǔn)數(shù)據(jù)集上獲得了state-of-the-art的結(jié)果。

5. Max Pooling

***池化（Max pooling）是一個基于樣本的離散化過程。目標(biāo)是對輸入表示（圖像，隱藏層輸出矩陣等）進(jìn)行下采樣，降低其維度，并允許對包含在分區(qū)域中的特征進(jìn)行假設(shè)。

這在一定程度上是為了通過提供一種抽象的表示形式來幫助過擬合。同時，它通過減少學(xué)習(xí)的參數(shù)數(shù)量，并為內(nèi)部表示提供基本的平移不變性（translation invariance），從而減少計(jì)算成本。***池化是通過將一個***過濾器應(yīng)用于通常不重疊的初始表示的子區(qū)域來完成的。

6. 批量歸一化

當(dāng)然，包括深度網(wǎng)絡(luò)在內(nèi)的神經(jīng)網(wǎng)絡(luò)需要仔細(xì)調(diào)整權(quán)重初始化和學(xué)習(xí)參數(shù)。而批量標(biāo)準(zhǔn)化有助于實(shí)現(xiàn)這一點(diǎn)。

權(quán)重問題：無論權(quán)重的初始化如何，是隨機(jī)的也好是經(jīng)驗(yàn)性的選擇也罷，都距離學(xué)習(xí)到的權(quán)重很遙遠(yuǎn)。考慮一個小批量（mini batch），在最初時，在所需的特征激活方面將會有許多異常值。

深度神經(jīng)網(wǎng)絡(luò)本身是有缺陷的，初始層中一個微小的擾動，就會導(dǎo)致后面層巨大的變化。在反向傳播過程中，這些現(xiàn)象會導(dǎo)致對梯度的分散，這意味著在學(xué)習(xí)權(quán)重以產(chǎn)生所需輸出之前，梯度必須補(bǔ)償異常值，而這將導(dǎo)致需要額外的時間才能收斂。

批量歸一化將梯度從分散規(guī)范化到正常值，并在小批量范圍內(nèi)向共同目標(biāo)（通過歸一化）流動。

學(xué)習(xí)率問題：一般來說，學(xué)習(xí)率保持較低，只有一小部分的梯度校正權(quán)重，原因是異常激活的梯度不應(yīng)影響學(xué)習(xí)的激活。通過批量歸一化，減少異常激活，因此可以使用更高的學(xué)習(xí)率來加速學(xué)習(xí)過程。

7. 長短時記憶

LSTM網(wǎng)絡(luò)在以下三個方面與RNN的神經(jīng)元不同：

• 能夠決定何時讓輸入進(jìn)入神經(jīng)元；
• 能夠決定何時記住上一個時間步中計(jì)算的內(nèi)容；
• 能夠決定何時讓輸出傳遞到下一個時間步長。

LSTM的優(yōu)點(diǎn)在于它根據(jù)當(dāng)前的輸入本身來決定所有這些。所以，你看下面的圖表：

當(dāng)前時間標(biāo)記處的輸入信號x（t）決定所有上述3點(diǎn)。輸入門從點(diǎn)1接收決策，遺忘門從點(diǎn)2接收決策，輸出門在點(diǎn)3接收決策，單獨(dú)的輸入能夠完成所有這三個決定。這受到我們的大腦如何工作的啟發(fā)，并且可以基于輸入來處理突然的上下文/場景切換。

8. Skip-gram

詞嵌入模型的目標(biāo)是為每個詞匯項(xiàng)學(xué)習(xí)一個高維密集表示，其中嵌入向量之間的相似性顯示了相應(yīng)詞之間的語義或句法相似性。Skip-gram是學(xué)習(xí)單詞嵌入算法的模型。

Skip-gram模型（以及許多其他的詞語嵌入模型）的主要思想是：如果兩個詞匯項(xiàng)（vocabulary term）共享的上下文相似，那么這兩個詞匯項(xiàng)就相似。

換句話說，假設(shè)你有一個句子，比如“貓是哺乳動物”。如果你用“狗”去替換“貓”，這個句子仍然是一個有意義的句子。因此在這個例子中，“狗”和“貓”可以共享相同的上下文（即“是哺乳動物”）。

基于上述假設(shè)，你可以考慮一個上下文窗口（context window，一個包含k個連續(xù)項(xiàng)的窗口），然后你跳過其中一個單詞，試著去學(xué)習(xí)一個能夠得到除跳過項(xiàng)外所有項(xiàng)的神經(jīng)網(wǎng)絡(luò)，并預(yù)測跳過的項(xiàng)是什么。如果兩個詞在一個大語料庫中反復(fù)共享相似的語境，則這些詞的嵌入向量將具有相近的向量。

9. 連續(xù)詞袋（Continuous Bag Of Words）

在自然語言處理問題中，我們希望學(xué)習(xí)將文檔中的每個單詞表示為一個數(shù)字向量，使得出現(xiàn)在相似的上下文中的單詞具有彼此接近的向量。在連續(xù)的單詞模型中，我們的目標(biāo)是能夠使用圍繞特定單詞的上下文并預(yù)測特定單詞。

我們通過在一個龐大的語料庫中抽取大量的句子來做到這一點(diǎn)，每當(dāng)我們看到一個單詞時，我們就會提取它周圍的單詞。然后，我們將上下文單詞輸入到一個神經(jīng)網(wǎng)絡(luò)，并預(yù)測位于這個上下文中心的單詞。

當(dāng)我們有成千上萬的這樣的上下文單詞和中心詞以后，我們就有了一個神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集的實(shí)例。訓(xùn)練神經(jīng)網(wǎng)絡(luò)，***編碼的隱藏層輸出表示特定單詞的嵌入。而當(dāng)我們對大量的句子進(jìn)行訓(xùn)練時也能發(fā)現(xiàn)，類似語境中的單詞得到的是相似的向量。

10. 遷移學(xué)習(xí)

讓我們考慮圖像如何穿過卷積神經(jīng)網(wǎng)絡(luò)。假設(shè)你有一個圖像，你應(yīng)用卷積，并得到像素的組合作為輸出。假設(shè)這些輸出是邊緣（edge）?，F(xiàn)在再次應(yīng)用卷積，現(xiàn)在你的輸出就是邊或線的組合。然后再次應(yīng)用卷積，你的輸出是線的組合，以此類推……你可以把它看作是每一層尋找一個特定的模式。神經(jīng)網(wǎng)絡(luò)的***一層往往會變得非常特異化。如果你在ImageNet上工作，你的網(wǎng)絡(luò)***一層大概就是在尋找兒童、狗或飛機(jī)等整體圖案。再往后倒退幾層，你可能會看到網(wǎng)絡(luò)在尋找眼睛或耳朵或嘴巴或輪子這樣的組成部件。

深度CNN中的每一層都逐步建立起越來越高層次的特征表征。***幾層往往是專門針對輸入模型的數(shù)據(jù)。另一方面，早期的圖層更為通用。而遷移學(xué)習(xí)就是當(dāng)你在一個數(shù)據(jù)集上訓(xùn)練CNN時，切掉***一層，在不同的數(shù)據(jù)集上重新訓(xùn)練***一層的模型。直觀地說，你正在重新訓(xùn)練模型以識別不同的高級特征。因此，訓(xùn)練時間會減少很多，所以當(dāng)你沒有足夠的數(shù)據(jù)或者訓(xùn)練需要太多的資源時，遷移學(xué)習(xí)是一個有用的工具。

結(jié)語

這篇文章簡單介紹了深度學(xué)習(xí)，如果你想了解更多更深層次的東西，建議你繼續(xù)閱讀以下資料：

• Andrew Beam “Deep Learning 101”http://beamandrew.github.io/deeplearning/2017/02/23/deep_learning_101_part1.html
• Andrey Kurenkov “A Brief History of Neural Nets and Deep Learning”http://www.andreykurenkov.com/writing/a-brief-history-of-neural-nets-and-deep-learning/
• Adit Deshpande  “A Beginner’s Guide to Understanding Convolutional Neural Networks”https://adeshpande3.github.io/adeshpande3.github.io/A-Beginner%27s-Guide-To-Understanding-Convolutional-Neural-Networks/
• Chris Olah “Understanding LSTM Networks”http://colah.github.io/posts/2015-08-Understanding-LSTMs/
• Algobean  “Artificial Neural Networks”https://algobeans.com/2016/03/13/how-do-computers-recognise-handwriting-using-artificial-neural-networks/
• Andrej Karpathy “The Unreasonable Effectiveness of Recurrent Neural Networks”http://karpathy.github.io/2015/05/21/rnn-effectiveness/

深度學(xué)習(xí)強(qiáng)烈注重技術(shù)。對每一個新想法都沒有太多具體的解釋。 大多數(shù)新想法都附帶了實(shí)驗(yàn)結(jié)果來證明它們能夠工作。深度學(xué)習(xí)就像玩樂高。掌握樂高跟掌握其他藝術(shù)一樣具有挑戰(zhàn)性，但入門樂高可是相對容易很多的。祝你學(xué)習(xí)愉快~