笔记为自我总结整理的学习笔记，若有错误欢迎指出哟~

一、概念区别

1.深度学习与机器学习

深度学习 < 机器学习

机器学习：用数据或以往经验，优化计算机程序的性能标准

深度学习：学习样本数据的内在规律和表示层次，目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像、声音等数据

2.深度学习与神经网络

神经网络和深度学习是机器学习常见算法中的两个，

“深度学习”训练神经网络

神经网络也改变了深度学习

神经网络：速度快

深度学习：思考能力强

二、什么是神经网络

人工神经网络（Artificial Neural Networks，简写为ANNs）也简称为神经网络（NNs）

1.分类

模型结构

前馈型网络（也称为多层感知机网络）、反馈型网络（也称为Hopfield网络）

学习方式

有监督学习、非监督、半监督学习

工作方式

确定性、随机性

时间特性

连续型、离散型

2.特点

大规模并行处理，分布式存储，弹性拓扑，高度冗余和非线性运算。因而具有很髙的运算速度，很强的联想能力，很强的适应性，很强的容错能力和自组织能力。

3.工作原理

• 必须先学习，再工作。
• 神经元间有连接权值，一开始是随机数，通过对训练结果正误的判断，改变随机数的大小。
• 有监督的学习：利用给定的样本标准进行分类或模仿
• 无监督的学习：只规定学习方式或某些规则，则具体的学习内容随系统所处环境 （即输入信号情况）而异，系统可以自动发现环境特征和规律性，具有更近似人脑的功能

4.神经网络示意图

每一个节点都可能与一个或多个神经元连接。用法是：输入x，得到y， 中间过程全由神经网络自身完成。

圆点叫做隐藏单元。

给神经网络足够的 (x,y) 样本，神经网络很善于计算从 x 到 y 的精确映射函数。

5.神经网络进行监督学习

分类与回归

分类的输出类型是离散数据，回归的输出类型是连续数据。

监督学习应用举例

实际估值、线上广告、图像判断、声音处理、机器翻译、自动驾驶

输入（x）	输出（y）	应用
房屋情况	价格	实际估值
广告，用户信息	是否点击（0/1）	线上广告
图像	对象（1,…,1000)	照片标记
音频	文字记录	语音识别
英语	中文	机器翻译
图像，雷达信息	其他车辆位置	自动驾驶

几种神经网络

卷积神经网络（Convolutional Neural Networks, CNN）：图像处理

循环神经网络（Recurrent Neural Network, RNN）：一维数据处理

混合神经网络（Hybrid Neural Network, HNN）：汽车自动驾驶

6.深度学习的发展

驱动力：规模更大的模型、大量的标签数据

三个基本要素：数据量、计算速度、算法

三、神经网络基础

1.二分分类(Binary Classification)

• 输出结果只有两种：0/1

• 符号定义

  • x（输入）：图片的特征向量（列向量形式存储）
  • y（输出）：0/1

• n_x：特征向量x的维度

• (x,y)：一个单独的样本，x是n_x维的特征向量，y是值1或0

• m_train：训练样本数

• m_test：测试样本数

• X：矩阵表示训练样本输入集，X.shape = (n_x,m)

• Y：矩阵表示训练样本输出集，Y.shape = (1,m)

• 目标：训练出一个分类器，以特征向量x为输入，预测输出结果y是1还是0

2.logistic回归

变量定义

当输出y为1或0时，用于监督学习的一种学习算法，目标是最小化模型预测与实验数据之间的误差。

logistic回归中使用的变量如下：

• n_x维输入特征向量：x

• 一维反馈结果：y（与x组对出现在输入训练集中）

• n_x维权重向量：w

• 阀值：b∈R

• 算法输出：y = σ(w^Tx + b)

• sigmoid函数：
  $$s=\sigma (w^{T}x+b)=\sigma (z)=\frac{1}{1+e^{-z}}$$

(w^Tx + b)是一个线性函数，但我们想要的是[0,1]的数。在神经网络算法中，我们常常使用sigmoid函数把一个函数映射到[0,1]区间上。

• 当z很大时，e^-z→0，σ(z) = 1
• 当z很小时(z<0)，e^-z→∞，σ(z) = 0
• 当z = 0时，σ(z) = 0.5

损失函数(loss function)

回顾：
$${\hat{y}}_i=\sigma (w^T{x}_i+b_i)=\sigma (z_i)=\frac{1}{1+e^{-z_i}}$$

$$Given\{(x_1,y_1),\cdots ,(x_m,y_m)\},wewant{\hat{y}}_i\approx y_i$$

损失函数计算每一个单独的训练样本的出错情况。预测输出 ŷ_i 与目标输出 y_i 之间的差异

损失函数为：
$$L({\hat{y}}_i,y_i)=-[y_{i}log{\hat{y}}_i+(1-y_i)log(1-{\hat{y}}_i)]$$
分析该函数可得：

• log1=0

• 如果 y_i = 1,要使L→0，需要 ŷ_i →1

• 如果 y_i = 0,要使L→0，需要 ŷ_i →0

成本函数(cost function)

为了训练参数w和b，需要定义成本函数。成本函数是整个训练集每个训练样本的损失函数的平均水平。
$$J(w,b)=\frac{1}{m}\sum _{i=1}^{m}L({\hat{y}}_i,y_i)=-\frac{1}{m}\sum _{i=1}^m[y_{i}log{\hat{y}}_i+(1-y_i)log(1-{\hat{y}}_i)]$$

3.梯度下降法(Gradient Decent)

使用梯度下降法寻找 J 的最小值以及此时 w 和 b 的值。

对 w 和 b 进行如下迭代，直到 J 达到一个稳定的最小值，α为学习率
$$w=w-\alpha \frac{dJ}{dw}$$

$$b=b-\alpha \frac{dJ}{db}$$

4.计算图(Computation Graph)

从左向右：计算中间变量和成本函数 J 的值。

从右向左：计算 J 对各变量的导数。

$$dv=\frac{dJ}{dv}=3,du=\frac{dJ}{dv}\frac{dv}{du}=3$$

$$da=\frac{dJ}{dv}\frac{dv}{da}=3\times 1=3$$

$$db=\frac{dJ}{dv}\frac{dv}{du}\frac{du}{db}=3\times 1\times 2=6$$

$$dc=\frac{dJ}{dv}\frac{dv}{du}\frac{du}{dc}=3\times 1\times 3=9$$

5.单个样本的梯度下降法

单个训练样本的损失函数和对应的参数w和b

$$\frac{dL}{da}=-\frac{y}{a}+\frac{1-y}{1-a}$$

$$\frac{da}{dz}=a(1-a)$$

$$dz=\frac{dL}{dz}=\frac{dL}{da}\frac{da}{dz}=a-y$$

$$\frac{dL}{d{w}_1}=\frac{dL}{dz}\frac{dz}{d{w}_1}=x_{1}dz,\frac{dL}{d{w}_i}=x_{i}dz$$

$$db=dz$$

$$w_i=w_i-\alpha \frac{dL}{d{w}_i}$$

$$b=b-\alpha \frac{dL}{db}$$

6.m个样本的梯度下降法

randomly initialize w and b
repeat these until J is small enough:J=0dw=0db=0#计算m个样本在目前w和b情况下的成本函数for i=1 to m:	#m个样本z[i]=w*x[i]+ba[i]=σ(z[i])J+=L(a,y[i])dz=a[i]-y[i]for j=1 to n_x:		#样本x的维度n_xdw[j]+=x[i][j]*dzdb += dz#得到当前成本函数值（和这一轮用来迭代的dw、db）J /= mfor j=1 to n_x:dw[j] /= mdb /= m#对w和b进行迭代for i=1 to m:w[i] = w[i] - α * dwb = b - α * db

这里显式地使用了许多for循环，对运行效率有很大负面影响。接下来会介绍如何使用向量化技术来为训练提速。

7.logistic回归一次迭代的向量化形式

Z = w^T * X + b= np.dot(w.T, X) + b
A = σ(Z)
dZ = A - Y
dw = 1/m * X * dZ^T
db = 1/m * np.sum(dZ)w = w - αdw
b = b - αdw

推导过程如下：