目录

Recipe of Deep Learning

 Good Results on Training Data？

New activation function

Adaptive learning rate

Good Results on Testing Data？

Early Stopping

Regularization

Dropout

---

Recipe of Deep Learning

我们要做的第一件事是，提高model在training set上的正确率，然后要做的事是，提高model在testing set上的正确率。

 Good Results on Training Data？

这一部分主要讲述如何在Training data上得到更好的performance，分为两个部分，New activation function和Adaptive Learning Rate。

New activation function

• Vanishing Gradient Problem

当你把network叠得很深的时候，在靠近input的地方，这些参数的gradient(即对最后loss function的微分)是比较小的；而在比较靠近output的地方，它对loss的微分值会是比较大的。

Δw通过sigmoid function之后，得到output是会变小的

• ReLU

 

优点：

跟sigmoid function比起来，ReLU的运算快很多。

ReLU的想法结合了生物上的观察。

无穷多bias不同的sigmoid function叠加的结果会变成ReLU。

ReLU可以处理Vanishing gradient的问题。

• Maxout

Maxout就是让network自动去学习它的activation function。ReLU就是特殊的Maxout。

Maxout中的激活函数可以被分段为多个线性的凸函数，多少段取决于之前我们分组后一组元素的个数。

• How to train Maxout

由于我们有很多很多笔training data，所以network的structure在训练中不断地变换，实际上最后每一个weight参数都会被train到。

Adaptive learning rate

• Adagrad

• RMSProp

用一个α来调整对不同gradient的使用程度，比如把α的值设的小一点，意思就是更倾向于相信新的gradient所告诉的error surface的平滑或陡峭程度，而比较无视于旧的gradient所提供给的information。

• Momentum

每次移动的方向，不再只有考虑gradient，而是现在的gradient加上前一个时间点移动的方向。

• Adam

Good Results on Testing Data？

这一部分主要讲述如何在Testing data上得到更好的performance，分为三个模块，Early Stopping、Regularization和Dropout。

Early Stopping

假如我们知道testing set上的loss变化，我们应该停在testing set最小的地方(如图所示)。但是我们不知道你的testing set上的error是，所以我们会用validation来代替。

Regularization

在update参数的时候，其实是在update之前就已近把参数乘以一个小于1的值(η、λ都是很小的值)，这样每次都会让weight小一点。最后会慢慢变小趋近于0，但是会与后一项梯度的值达到平衡，使得最后的值不等于0，L2的Regularization又叫做Weight Decay。

每一次更新时参数时，我们一定要去减一个ηλsgn(wt)(w值是正的，就是减去一个值；若w是负的，就是加上一个值，让参数变大)。

L2、L1都可以让参数变小，但是有所不同的，若w是一个很大的值，L2乘以一个小于1的值，L2下降的很快，很快就会变得很小，在接近0时，下降的很慢，会保留一些接近0的值；L1的话，减去一个固定的值(比较小的值)，所以下降的很慢。

Dropout

在train的时候，每一次update参数之前，对network里面的每个neural(包括input)，做sample（抽样）。 每个neural会有p%会被丢掉，跟着的weight也会被丢掉。testing的时候不做dropout，所有的neuron都要被用到，假设在training的时候，dropout rate是p%，从training data中被learn出来的所有weight都要乘上(1-p%)才能被当做testing的weight使用。