d2l_第五章学习_Multilayer Perceptrons多层感知机

x.1 Hidden Layers

线性模型的基本假设是单调，即任何特征的增大都会导致模型的输出增大（权重正时，负值时亦）。但是现实中很多的关系并不仅仅是简单的线性关系，这个时候就需要引入非线性关系，而非线性关系由以下两个部分组成：Hidden Layer隐藏层和Activication Function激活函数。

联想Regression/LInear Regression和Classification/Softmax Regression，二者的简洁实现都是由一个LazyLinear线性层实现，而这时我们再增加一层线性层，就通过引入隐藏层，构成了Multilayer Perceptrons多层感知机（后简写MLP）。如下图是具有两层（输入层不单独算一层）的MLP。它的第一层具有$4\ast (5+1)=24$个可学习的参数，第二层具有$5\ast (3+1)=20$个可学习参数。

x.2 Activation Function

x.2.1 From Linear to Nonlinear

通过引入hidden layer，我们的仿射函数具有如下变化，由(5.1.1)->(5.1.2)

仿射函数的仿射函数还是仿射函数，所以并没有引入非线性性质。为了引入非线性性质还得加入激活函数，通过激活函数，一层叠加一层，生成更有表达能力的模型，并且我们注意到，通用近似定理讲述了：通过使用更深（而不是更广）的网络，可以更容易逼近许多函数。

x.2.2 常见Activation Function

x.2.2.1 ReLU

ReLU是最常用的激活函数并且具有很多变种形式，如He_normal也是针对LeakyReLU和ReLU进行的权重初始化工作。

ReLU具有良好的求导的性质：要么让参数消失，要么让参数通过。它的函数表达式如下：

图像如下：

导数图像如下：

x.2.2.2 Sigmoid

Sigmoid Function又称为Logistic Function，是在最早的神经网络中提出的，类似于一个阈值单元，档期输入低于某一个值时取0，高于某一阈值时取1。将范围从(-inf, inf)映射到(0, 1)，函数表达，图像表达，导数图像表达如下：

x.2.2.3 Tanh

Tanh与sigmoid类似，只不过是将函数值映射从(0, 1)变成了(-1, 1)。它的函数表达式，函数图像和函数梯度图像如下所示：

x.3 MLP 复杂实现

复杂实现中可能要参考nn.Parameters函数接口，见https://blog.csdn.net/qq_43369406/article/details/131234557。

x.4 MLP 简易实现

MLP的简单实现即使用Pytorch封装好的nn.LazyLinear线性层代替nn.Parameter自己定义的权重层。在这一过程中，你可能需要接触到nn.Sequentail这个API，参考https://blog.csdn.net/qq_43369406/article/details/129998217

x.5 Forwad Propagation 正向传播, Backward Propagation 反向传播和 Computational Graphs 计算图.

通过使用nn的子类定义模型model，model便是生成的计算图。使用正向传播计算输出。使用反向传播更新model的梯度矩阵。使用optimizer.step()更新model的权重矩阵。

参考 一文搞懂网络训练中一个epoch中到底做了什么+zero_grad可以放在backward后面吗(train.py)https://blog.csdn.net/qq_43369406/article/details/129740629

x.6 Vanishing and Exploding Gradients 梯度消失和梯度爆炸

由于链式法则的运用，梯度其实是多个数值相乘的结果，当连续乘以一个大于1或者小于1的数，其结果都是非常不稳定的。

由此引申出Vanishing Gradients梯度消失和Exploding Gradients梯度爆炸的问题。

x.6.1 Vanishing Gradients 梯度消失

常见的梯度消失，如当一个极其小或者大的数字经过sigmoid函数后，它的求导数就会很小，无线趋近于0，这便是梯度消失，如下：

x.6.2 Exploding Gradients 梯度爆炸

如一百个均值为0，方差为1的矩阵相乘，很容易出现大于1的元素。

x.7 模型初始化

常见的初始化有数据初始化和模型初始化，而数据初始化有归一化，标准化等；模型初始化则有he_normal等。我们需要知道的是数据决定了你的山长什么样，模型初始化决定了你从哪里开始走。如果你刚开始就从一个局部最优开始走那情况将非常糟糕。

x.8 dropout

解决过拟合的根本目的是增强模型的泛化能力，而一个好的模型应该具备简单的特点。这里的简单有两点构成：

1. 简单性以较小纬度的形式展现。如L2正则化减少了参数量。
2. 简单性的另一角度是增加平滑性，即函数不应对其输入的微小变化敏感。毕晓普证明具有输入噪声的训练等价于Tikhonov regularization，将该想法引入网络内部，得到了dropout层。dropout暂退法在前向传播过程中，在计算每一内部层的同时注入噪声，从表面上看像是在训练过程中丢弃一些神经元。

在Dropout层中，每个中间层的激活值h，以暂退概率p被一个新值（常为0）所替代，h’的期望仍为h。

相关代码参考https://github.com/yingmuzhi/deep_learning/blob/main/chapter5/5.6.%20Dropout.py