首页 > 其他分享> 文章详细

神经网络反向传播的数学原理(转)

2019-10-12 11:50:28 阅读：326 来源： 互联网

标签：转置矩阵维数传播神经网络相容反向数学原理求导

如果能二秒内在脑袋里解出下面的问题，本文便结束了。

已知： $J=(Xw-y)^T(Xw-y)=||Xw-y||^2$ ，其中 $X\in R^{m \times n}, w \in R^{n \times 1}, y \in R^{m \times 1}$ 。

求： $\frac{\partial J}{\partial X}$ ， $\frac{\partial J}{\partial w}$ ， $\frac{\partial J}{\partial y}$ 。

到这里，请耐心看完下面的公式推导，无需长久心里建设。

首先，反向传播的数学原理是“求导的链式法则” :

设 $f$ 和 $g$ 为 $x$ 的可导函数，则 $(f \circ g)'(x) = f'(g(x))g'(x)$ 。

接下来介绍

矩阵、向量求导的维数相容原则
利用维数相容原则快速推导反向传播
编程实现前向传播、反向传播
卷积神经网络的反向传播

快速矩阵、向量求导

这一节展示如何使用链式法则、转置、组合等技巧来快速完成对矩阵、向量的求导

一个原则维数相容，实质是多元微分基本知识，没有在课本中找到下列内容，维数相容原则是我个人总结：

维数相容原则：通过前后换序、转置使求导结果满足矩阵乘法且结果维数满足下式：

如果 $x\in R^{m\times n}$ ， $f(x)\in R^1$ ，那么 $\frac{\partial f(x)}{\partial x} \in R^{m\times n}$ 。

利用维数相容原则解上例：

step1：把所有参数当做实数来求导， $J=(Xw-y)^2$ ，

依据链式法则有 $\frac{\partial J}{\partial X}=2(Xw-y)w$ ， $\frac{\partial J}{\partial w}=2(Xw-y)X$ ， $\frac{\partial J}{\partial y}=-2(Xw-y)$

可以看出除了 $\frac{\partial J}{\partial y}=-2(Xw-y)$ ， $\frac{\partial J}{\partial X}$ 和 $\frac{\partial J}{\partial w}$ 的求导结果在维数上连矩阵乘法都不能满足。

step2：根据step1的求导结果，依据维数相容原则做调整：前后换序、转置

依据维数相容原则 $\frac{\partial J}{\partial X} \in R^{m \times n}$ ，但 $\frac{\partial J}{\partial X} \in R^{m \times n} = 2(Xw-y)w$ 中 $(Xw-y)\in R^{m \times 1}$ 、 $w \in R^{n \times 1}$ ，自然得调整为 $\frac{\partial J}{\partial X}=2(Xw-y)w^T$ ；

同理： $\frac{\partial J}{\partial w} \in R^{n \times 1}$ ，但 $\frac{\partial J}{\partial w} \in R^{n \times 1} = 2(Xw-y)X$ 中 $(Xw-y) \in R^{m \times 1}$ 、 $X \in R^{m \times n}$ ，那么通过换序、转置我们可以得到维数相容的结果 $2X^T(Xw-y)$ 。

对于矩阵、向量求导：

“当做一维实数使用链式法则求导，然后做维数相容调整，使之符合矩阵乘法原则且维数相容”是快速准确的策略；
“对单个元素求导、再整理成矩阵形式”这种方式整理是困难的、过程是缓慢的，结果是易出错的（不信你试试）。

如何证明经过维数相容原则调整后的结果是正确的呢？直觉！简单就是美...

快速反向传播

神经网络的反向传播求得“各层”参数 $W$ 和 $b$ 的导数，使用梯度下降（一阶GD、SGD，二阶LBFGS、共轭梯度等）优化目标函数。

接下来，展示不使用下标的记法（ $W_{ij}$ , $b_i$ or $b_j$ ）直接对 $W$ 和 $b$ 求导，反向传播是链式法则和维数相容原则的完美体现，对每一层参数的求导利用上一层的中间结果完成。

这里的标号，参考UFLDL教程 - Ufldl

前向传播：

$z^{(l+1)}=W^{(l)}a^{(l)}+b^{(l)}$ （公式1）

$a^{(l+1)} =f(z^{(l+1)})$ （公式2）

$z^{(l)}$ 为第 $l$ 层的中间结果， $a^{(l)}$ 为第 $l$ 层的激活值，其中第 $l+1$ 层包含元素：输入 $a^{(l)}$ ，参数 $W^{(l)}$ 、 $b^{(l)}$ ，激活函数 $f()$ ，中间结果 $z^{(l+1)}$ ，输出 $a^{(l+1)}$ 。

设神经网络的损失函数为 $J(W,b) \in R^1$ （这里不给出具体公式，可以是交叉熵、MSE等），根据链式法则有：

$\bigtriangledown_{W^{(l)}}J(W,b)=\frac{\partial J(W,b)}{\partial z^{(l+1)}} \frac{\partial z^{(l+1)}}{\partial W^{(l)}}=\delta ^{(l+1)}(a ^{(l)})^T$ $\bigtriangledown_{b^{(l)}}J(W,b)=\frac{\partial J(W,b)}{\partial z^{(l+1)}} \frac{\partial z^{(l+1)}}{\partial b^{(l)}}=\delta ^{(l+1)}$

这里记 $\frac{\partial J(W,b)}{\partial z^{(l+1)}}=\delta ^{(l+1)}$ ，其中 $\frac{\partial z^{(l+1)}}{\partial W^{(l)}}=a ^{(l)}$ 、 $\frac{\partial z^{(l+1)}}{\partial b^{(l)}}= 1$ 可由公式1 得出， $a ^{(l)}$ 加转置符号 $(a ^{(l)})^{T}$ 是根据维数相容原则作出的调整。

如何求 $\delta ^{(l)}=\frac{\partial J(W,b)}{\partial z^{(l)}}$ ？可使用如下递推（需根据维数相容原则作出调整）：

$\delta ^{(l)}=\frac{\partial J}{\partial z^{(l)}}=\frac{\partial J}{\partial z^{(l+1)}} \frac{\partial z^{(l+1)}}{\partial a^{(l)}} \frac{\partial a^{(l)}}{\partial z^{(l)}}= ((W^{(l)})^{T}\delta ^{(l+1)}) \cdot f'(z^{(l)})$

其中 $\frac{\partial J}{\partial z^{(l+1)}} \frac{\partial z^{(l+1)}}{\partial a^{(l)}} = (W^{(l)})^T \delta ^{(l+1)}$ 、 $\frac{\partial a^{(l)}}{\partial z^{(l)}} = f'(z^{(l)})$ 。

那么我们可以从最顶层逐层往下，便可以递推求得每一层的 $\delta ^{(l)} = \frac{\partial J(W,b)}{\partial z^{(l)}}$

注意： $\frac{\partial a^{(l)}}{\partial z^{(l)}} = f'(z^{(l)})$ 是逐维求导，在公式中是点乘的形式。

反向传播整个流程如下：

1) 进行前向传播计算，利用前向传播公式，得到隐藏层和输出层的激活值。

2) 对输出层(第 $l$ 层)，计算残差：

$\delta ^{(l)} =\frac{\partial J(W,b)}{\partial z^{(l)}}$ （不同损失函数，结果不同，这里不给出具体形式）

3) 对于 $l-1, l-2 , ... , 2$ 的隐藏层，计算：

$\delta ^{(l)}=\frac{\partial J}{\partial z^{(l)}}=\frac{\partial J}{\partial z^{(l+1)}} \frac{\partial z^{(l+1)}}{\partial a^{(l)}}\frac{\partial a^{(l)}}{\partial z^{(l)}}= ((W^{(l)})^{T}\delta ^{(l+1)}) \cdot f'(z^{(l)})$

4) 计算各层参数 $W^{(l)}$ 、 $b^{(l)}$ 偏导数：

$\bigtriangledown_{W^{(l)}}J(W,b)=\frac{\partial J(W,b)}{\partial z^{(l+1)}} \frac{\partial z^{(l+1)}}{\partial W^{(l)}}=\delta ^{(l+1)}(a ^{(l)})^T$
$\bigtriangledown_{b^{(l)}}J(W,b)=\frac{\partial J(W,b)}{\partial z^{(l+1)}} \frac{\partial z^{(l+1)}}{\partial b^{(l)}}=\delta ^{(l+1)}$

编程实现

大部分开源library（如：caffe，Kaldi/src/{nnet1,nnet2}）的实现通常把 $W^{(l)}$ 、 $b^{(l)}$ 作为一个layer，激活函数 $f()$ 作为一个layer（如：sigmoid、relu、softplus、softmax）。

反向传播时分清楚该层的输入、输出即能正确编程实现,如：

$z^{(l+1)}=W^{(l)}a^{(l)}+b^{(l)}$ (公式1)

$a^{(l+1)} =f(z^{(l+1)})$ (公式2)

(1)式AffineTransform/FullConnected层，以下是伪代码：

注: out_diff = $\frac{\partial J}{\partial z^{(l+1)}}$ 是上一层（Softmax 或 Sigmoid/ReLU的 in_diff）已经求得：

$in\_diff = \frac{\partial J}{\partial a^{(l)}} = \frac{\partial J}{\partial z^{(l+1)}} \frac{\partial z^{(l+1)}}{\partial a^{(l)}} = W^T * out\_diff$ （公式 1-1）

$W\_diff =\frac{\partial J}{\partial z^{(l+1)}} \frac{\partial z^{(l+1)}}{\partial W^{(l)}} = out\_diff * in^T$ （公式 1-2）

$b\_diff =\frac{\partial J}{\partial z^{(l+1)}} \frac{\partial z^{(l+1)}}{\partial b^{(l)}} = out\_diff * 1$ （公式 1-3）

(2)式激活函数层（以Sigmoid为例）

注：out_diff = $\frac{\partial J}{\partial a^{(l+1)}}$ 是上一层AffineTransform的in_diff，已经求得,

$in\_diff = \frac{\partial J}{\partial z^{(l+1)}} = \frac{\partial J}{\partial a^{(l+1)}} \frac{\partial a^{(l+1)}}{\partial z^{(l+1)}} = out\_diff \cdot out \cdot (1-out)$

在实际编程实现时，in、out可能是矩阵(通常以一行存储一个输入向量，矩阵的行数就是batch_size)，那么上面的C++代码就要做出变化（改变前后顺序、转置，把函数参数的Vector换成Matrix，此时Matrix out_diff 每一行就要存储对应一个Vector的diff，在update的时候要做这个batch的加和，这个加和可以通过矩阵相乘out_diff*input（适当的转置）得到。

如果熟悉SVD分解的过程，通过SVD逆过程就可以轻松理解这种通过乘积来做加和的技巧。

丢掉那些下标记法吧！

卷积层求导

卷积怎么求导呢？实际上卷积可以通过矩阵乘法来实现（是否旋转无所谓的，对称处理，caffe里面是不是有image2col），当然也可以使用FFT在频率域做加法。

那么既然通过矩阵乘法，维数相容原则仍然可以运用，CNN求导比DNN复杂一些，要做些累加的操作。具体怎么做还要看编程时选择怎样的策略、数据结构。

快速矩阵、向量求导之维数相容大法已成。

标签：转置,矩阵,维数,传播,神经网络,相容,反向,数学原理,求导
来源： https://www.cnblogs.com/timlong/p/11660658.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9