↓↓↓點擊關注，回復資料，10個G的驚喜
作 者?|?Piotr Skalski?編輯：python數(shù)據(jù)科學
原標題 | Gentle Dive into Math Behind Convolutional Neural Networks
翻 譯 |?通夜（中山大學）、had_in（電子科技大學）
本篇分享一篇關于CNN數(shù)學原理的解析，會讓你加深理解神經(jīng)網(wǎng)絡如何工作于CNNs。出于建議，這篇文章將包括相當復雜的數(shù)學方程，如果你不習慣線性代數(shù)和微分也沒事，目標不是記住這些公式，而是對下面發(fā)生的事情有一個直觀的認識。?GitHub：https://github.com/SkalskiP/ILearnDeepLearning.py ???介紹
過去我們已經(jīng)知道了這些緊密連接的神經(jīng)網(wǎng)絡。這些網(wǎng)絡的神經(jīng)元被分成若干組，形成連續(xù)的層layer。每一個這樣的神經(jīng)元都與相鄰層的每一個神經(jīng)元相連。下圖顯示了這種體系結構的一個示例。??圖1. 密集連接的神經(jīng)網(wǎng)絡結構?當我們根據(jù)一組有限的人工設計的特征來解決分類問題時，這種方法很有效。例如，我們根據(jù)足球運動員在比賽期間的統(tǒng)計數(shù)據(jù)來預測他的位置。然而，當處理照片時，情況變得更加復雜。當然，我們可以將每個像素的像素值作為單獨的特征，并將其作為輸入傳遞給我們的密集網(wǎng)絡。不幸的是，為了讓該網(wǎng)絡適用于一張?zhí)囟ǖ闹悄苁謾C照片，我們的網(wǎng)絡必須包含數(shù)千萬甚至數(shù)億個神經(jīng)元。另一方面，我們可以縮小我們的照片，但在這個過程中，我們會丟失一些有用的信息。我們立馬意識到傳統(tǒng)的策略對我們沒有任何作用，我們需要一個新的有效的方法，以充分利用盡可能多的數(shù)據(jù)，但同時減少必要的計算和參數(shù)量。這就是CNNs發(fā)揮作用的時候了。???數(shù)字圖像的數(shù)據(jù)結構?讓我們先花一些時間來解釋數(shù)字圖像是如何存儲的。你們大多數(shù)人可能知道它們實際上是由很多數(shù)字組成的矩陣。每一個這樣的數(shù)字對應一個像素的亮度。在RGB模型中，彩色圖像實際上是由三個對應于紅、綠、藍三種顏色通道的矩陣組成的。在黑白圖像中，我們只需要一個矩陣。每個矩陣都存儲0到255之間的值。這個范圍是存儲圖像信息的效率(256之內(nèi)的值正好可以用一個字節(jié)表達)和人眼的敏感度(我們區(qū)分有限數(shù)量的相同顏色灰度值)之間的折衷。圖2. 數(shù)字圖像的數(shù)據(jù)結構??核卷積不僅用于神經(jīng)網(wǎng)絡，而且是許多其他計算機視覺算法的關鍵一環(huán)。在這個過程中，我們采用一個形狀較小的矩陣(稱為核或濾波器)，我們輸入圖像，并根據(jù)濾波器的值變換圖像。后續(xù)的特征map值根據(jù)下式來計算，其中輸入圖像用f表示，我們的kernel用h表示，結果矩陣的行和列的索引分別用m和n表示。??將過濾器放置在選定的像素上之后，我們從kernel中提取每個相應位置的值，并將它們與圖像中相應的值成對相乘。最后，我們總結了所有內(nèi)容，并將結果放在輸出特性圖的對應位置。上面我們可以看到這樣的操作在細節(jié)上是怎么實現(xiàn)的，但是更讓人關注的是，我們通過在一個完整的圖像上執(zhí)行核卷積可以實現(xiàn)什么應用。圖4顯示了幾種不同濾波器的卷積結果。??圖4. 通過核卷積得到邊緣[原圖像：https://www.maxpixel.net/Idstein-Historic-Center-Truss-Facade-Germany-3748512]?
??有效卷積和相同卷積
如圖3所示，當我們用3x3核對6x6的圖像進行卷積時，我們得到了4x4特征圖。這是因為只有16個不同的位置可以讓我們把濾波器放在這個圖片里。因為每次卷積操作，圖像都會縮小，所以我們只能做有限次數(shù)的卷積，直到圖像完全消失。更重要的是，如果我們觀察卷積核如何在圖像中移動，我們會發(fā)現(xiàn)位于圖像邊緣的像素的影響要比位于圖像中心的像素小得多。這樣我們就丟失了圖片中包含的一些信息。通過下圖，您可以知道像素的位置如何改變其對特征圖的影響。為了解決這兩個問題，我們可以用額外的邊框填充圖像。例如，如果我們使用1px填充，我們將照片的大小增加到8x8，那么與3x3濾波器卷積的輸出將是6x6。在實踐中，我們一般用0填充額外的填充區(qū)域。這取決于我們是否使用填充，我們要根據(jù)兩種卷積來判斷-有效卷積和相同卷積。這樣命名并不是很合適，所以為了清晰起見:Valid表示我們僅使用原始圖像，Same表示我們同時也考慮原圖像的周圍邊框，這樣輸入和輸出的圖像大小是相同的。在第二種情況下，填充寬度應該滿足以下方程，其中p為填充寬度和f是濾波器維度(一般為奇數(shù))。
??步幅卷積
在前面的例子中，我們總是將卷積核每次移動一個像素。但是，步幅也可以看作卷積層超參數(shù)之一。在圖6中，我們可以看到，如果我們使用更大的步幅，卷積看起來是什么樣的。在設計CNN架構時，如果希望感知區(qū)域的重疊更少，或者希望feature map的空間維度更小，我們可以決定增加步幅。輸出矩陣的尺寸——考慮到填充寬度和步幅——可以使用以下公式計算。?
??過渡到三維
空間卷積是一個非常重要的概念，它不僅能讓我們處理彩色圖像，更重要的是在單層中應用多個卷積核。第一個重要的原則是，過濾器和要應用它的圖像必須具有相同通道數(shù)。基本上，這種方式與圖3中的示例非常相似，不過這次我們將三維空間中的值與卷積核對應相乘。如果我們想在同一幅圖像上使用多個濾波器，我們分別對它們進行卷積，將結果一個疊在一起，并將它們組合成一個整體。接收張量的維數(shù)(即我們的三維矩陣)滿足如下方程:n-圖像大小，f-濾波器大小，nc-圖像中通道數(shù)，p-是否使用填充，s-使用的步幅，nf-濾波器個數(shù)。??
??卷積層
現(xiàn)在是時候運用我們今天所學的知識來構建我們的CNN層了。我們的方法和我們在密集連接的神經(jīng)網(wǎng)絡中使用的方法幾乎是一樣的，唯一的不同是這次我們將使用卷積而不是簡單的矩陣乘法。第一步是計算中間值Z,這是利用輸入數(shù)據(jù)和上一層權重W張量(包括所有濾波器)獲得的卷積的結果,然后加上偏置b。第二步是將非線性激活函數(shù)的應用到獲得的中間值上(我們的激活函數(shù)表示為g)。對矩陣方程感興趣的讀者可以在下面找到對應的數(shù)學公式。順便說一下，在下圖中你可以看到一個簡單的可視化，描述了方程中使用的張量的維數(shù)。??
??連接剪枝和參數(shù)共享
在文章的開頭，我提到密集連接的神經(jīng)網(wǎng)絡不擅長處理圖像，這是因為需要學習大量的參數(shù)。既然我們已經(jīng)理解了卷積是什么，讓我們現(xiàn)在考慮一下它是如何優(yōu)化計算的。在下面的圖中，以稍微不同的方式顯示了二維卷積，以數(shù)字1-9標記的神經(jīng)元組成了輸入層，并接受圖像像素亮度值，而A - D單元表示計算出的特征map元素。最后，I-IV是需要經(jīng)過學習的卷積核的值。現(xiàn)在，讓我們關注卷積層的兩個非常重要的屬性。首先，你可以看到，并不是所有連續(xù)兩層的神經(jīng)元都相互連接。例如，神經(jīng)元1只影響A的值。其次，我們看到一些神經(jīng)元共享相同的權重。這兩個性質都意味著我們需要學習的參數(shù)要少得多。順便說一下，值得注意的是，濾波器中的一個值會影響特征map中的每個元素——這在反向傳播過程中非常重要。任何嘗試過從頭編寫自己的神經(jīng)網(wǎng)絡代碼的人都知道，完成正向傳播還沒有完成整個算法流程的一半。真正的樂趣在于你想要進行反向傳播得到時候?，F(xiàn)在，我們不需要為反向傳播這個問題所困擾，我們可以利用深度學習框架來實現(xiàn)這一部分，但是我覺得了解底層是有價值的。就像在密集連接的神經(jīng)網(wǎng)絡中，我們的目標是計算導數(shù)，然后用它們來更新我們的參數(shù)值，這個過程叫做梯度下降。在我們的計算中需要用到鏈式法則——我在前面的文章中提到過。我們想評估參數(shù)的變化對最終特征map的影響，以及之后對最終結果的影響。在我們開始討論細節(jié)之前，讓我們就對使用的數(shù)學符號進行統(tǒng)一——為了讓過程更加簡化，我將放棄偏導的完整符號，而使用如下所示的更簡短的符號來表達。但記住，當我用這個符號時，我總是指的是損失函數(shù)的偏導數(shù)。??我們的任務是計算dW[l]和db[l]——它們是與當前層參數(shù)相關的導數(shù)，以及dA[l -1]的值——它們將被傳遞到上一層。如圖10所示，我們接收dA[l]作為輸入。當然，張量dW和W、db和b以及dA和A的維數(shù)是相同的。第一步是通過對輸入張量的激活函數(shù)求導得到中間值dZ[l]。根據(jù)鏈式法則，后面將使用這個操作得到的結果。現(xiàn)在，我們需要處理卷積本身的反向傳播，為了實現(xiàn)這個目的，我們將使用一個矩陣運算，稱為全卷積，如下圖所示。注意，在這個過程中，對于我們使用卷積核，之前我們將其旋轉了180度。這個操作可以用下面的公式來描述，其中濾波器用W表示，dZ[m,n]是一個標量，屬于上一層偏導數(shù)。?除了卷積層，CNNs還經(jīng)常使用所謂的池化層。池化層主要用于減小張量的大小和加速計算。這種網(wǎng)絡層很簡單——我們需要將圖像分割成不同的區(qū)域，然后對每個部分執(zhí)行一些操作。例如，對于最大值池化層，我們從每個區(qū)域中選擇一個最大值，并將其放在輸出中相應的位置。在卷積層的情況下，我們有兩個超參數(shù)——濾波器大小和步長。最后一個比較重要的一點是，如果要為多通道圖像進行池化操作，則應該分別對每個通道進行池化。?在本文中，我們將只討論最大值池化的反向傳播，但是我們將學習的規(guī)則只需要稍加調整就可以適用于所有類型的池化層。由于在這種類型的層中，我們沒有任何必須更新的參數(shù)，所以我們的任務只是適當?shù)胤植继荻取?/span>正如我們所記得的，在最大值池化的正向傳播中，我們從每個區(qū)域中選擇最大值，并將它們傳輸?shù)较乱粚印?/span>因此，很明顯，在反向傳播過程中，梯度不應該影響矩陣中沒有包含在正向傳播中的元素。實際上，這是通過創(chuàng)建一個掩碼來實現(xiàn)的，該掩碼可以記住第一階段中使用的值的位置，稍后我們可以使用該掩碼來傳播梯度。?參考：https://towardsdatascience.com/gentle-dive-into-math-behind-convolutional-neural-networks-79a07dd44cf9推薦閱讀
