人人都能读懂卷积神经网络：Convolutional Networks for everyone

【导读】近日，Rohan Thomas发布一篇博文，通俗地讲解了卷积神经网络的结构、原理等各种知识。首先介绍了卷积神经网络（CNN）和人工神经网络（ANN）的不同，然后详细解释了卷积神经网络的各种概念：卷积核、pooling层、激活函数、全连接层、过拟合等问题，最后用python实现一个MNIST分类的CNN结构。整体而言，博文的写作风格通俗易懂，旨在为读者提供易于理解的CNN教程，对CNN不太了解的读者千万不可错过。专知内容组编辑整理。

  

Convolutional Networks for everyone

构建卷积神经网络（CNN）并不是一项巨大挑战，并不是只有数据科学家和机器学习工程师才可以做到。对于了解它的架构的人，很容易通过实现它来解决相应的人工智能（AI）或机器学习（ML）问题。

 

这篇博文使深度学习架构易于理解，而不涉及太多的数学解释。

▌卷积网络的人工神经网路

---

---

 

来源: https://goo.gl/aX44Z1

在ANN中有一个输入层，其中输入将是输入向量的长度（例如，28×28 = 784个神经元）。 让我们来看卷积网络与人工神经网络的不同之处。

▌CNN的网络结构与ANN有什么不同

---

---

 

1. ConvNet体系结构明确地规定输入是图像。

 

2. 它们的体系结构不同于前馈神经网络，通过减少要学习的参数数量来提高它们的效率。

 

3. 在ANN中，如果你有一个150x150x3的图像，第一个隐藏层中的每个神经元将有67500个权重。

 

4. ConvNets具有神经元的三维输入，一个层中的神经元只连接到之前层的一个小区域。

 

▌ConvNets

---

---

 

ConvNet层中的神经元有三个维度：高度，宽度，深度。

 

这里的深度并不是整个网络的深度。它是指层的第三维，因此是激活体积（activationvolumes）的第三维。

本质上，ConvNet由层组成，且具有简单API——用一些可微函数（可能具有参数，可能没有参数），将三维输入体积转换为三维输出体积。

 

来源: StanfordUniversity (https://goo.gl/rHmTSP)

▌CNN中的层

---

---

 

• 输入层 - 包含高度x宽度x深度（R，G，B）

• 卷积层 - 连接到输入图像的一小部分

• 激活函数 - 在CNN层中使用的RELU激活函数

• 池化层 - 用于在宽度，高度上进行下采样

• 全连接层

 

▌CNN结构

---

---

source : MathWorks (https://goo.gl/zondfq)

 

▌核或过滤器

---

---

  

来源: Stanford University (https://goo.gl/g8FV4M)

一个过滤器由一个权重向量来表示，我们将其与输入图像进行卷积。 您可以增加输入上的过滤器数量，以增加您获得的激活映射的数量。 每个过滤器都会产生一个激活映射。

 

你得到的每个激活映射都试图学习图像的不同方面，如边缘、颜色斑点等。

 

如果在32x32x3的图像卷积上实现了12个大小为5x5x3的过滤器，则第一个卷积层在某些条件下将具有28x28x12的大小。

 

几个过滤器被用来提取NNet的卷积层中的几个特征。 3X3矩阵的一个步骤就叫做“步幅”。

▌激活函数

---

---

激活函数通常是一个单元格中动作潜在的速率的抽象表示。

 

主要有线性激活和非线性激活。没有非线性激活的神经网络将非常强大。 引入非线性的激活函数是必需的。

▌调整的线性单元层(ReLU)

---

---

 

和前馈神经网络一样，Convnet中激活层的目的是引入非线性。

R（z）= max（0，z）是用于RELU激活的等式。 考虑两个正数和一个负数

Positive（正数）
R(1) =max(0,1) = 1 → Postive 输出

Negative（负数）

R(-1) = max(0,-1) = 0 → Negative 输出

它减少了网络中的参数数量，从而使其能够学得更快。

 

Softmax 激活

Softmax是逻辑激活函数，用于多类别分类

 

Softmax函数应用于网络的最后一层，用于预测类别的最大概率。

▌Pooling Layer

---

---

来源: Wiki (https://goo.gl/snMC4o)

来源: Towards Data Science (https://goo.gl/xohkdV)

  

pooling用于在深度不变的前提下，对图像的宽度，高度进行下采样。 主要有三种类型的pooling。 最小值pooling，最大值pooling，平均值pooling。

pooling层独立地在每个深度层面上独立工作，使用指定的数学运算（例如MAX或者Avg）来调整层的大小。

▌全连接层

---

---

 

最后，经过多个卷积和最大pooling层后，神经网络中的高层推理通过全连接层完成。正如常规神经网络中所见，全连接层中的神经元与前一层中的所有激活都有连接。因此可以用一个矩阵乘法和一个偏置（bias）偏移来计算它们的激活。

在全连接层中使用softmax激活来获取最大概率并进行预测。

▌过拟合问题

---

---

 

训练数据的分类精度可能超过“训练精度”，如果训练精度超出了我们的测试精度，则意味着我们的模型训练数据时过于强调细节和有噪声的学习，能很好地在训练数据上工作。资源(Rutger Ruizendaal,Towards Data Science, https://goo.gl/87as34)

减少过拟合：

1、增加更多数据

2、使用数据增强

3、使用泛化的体系结构

4、加入正则化（或者mostly dropout, L1/L2 regularization）

5、降低架构的复杂性。

▌实现cnn

---

---

 

让我们尝试在MNSIT数据集中实现CNN。

 

可以再下址下载
(http://yann.lecun.com/exdb/mnist/)

 更多链接：

www.github.com/rohanthomas
www.rohanthomas.me
http://www.deeplearningbook.org/ (Book by Ian Good Fellow,
Yoshua Bengio, Aaron Courville

原文链接：

https://medium.com/@rohanthomas.me/convolutional-networks-for-everyone-1d0699de1a9d

-END-

专 · 知

人工智能领域主题知识资料查看获取：【专知荟萃】人工智能领域26个主题知识资料全集（入门/进阶/论文/综述/视频/专家等）

同时欢迎各位用户进行专知投稿，详情请点击：

【诚邀】专知诚挚邀请各位专业者加入AI创作者计划！了解使用专知！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请扫一扫如下二维码关注我们的公众号，获取人工智能的专业知识！

请加专知小助手微信（Rancho_Fang），加入专知主题人工智能群交流！

点击“阅读原文”，使用专知！