前言

直接上代碼是最有效的學(xué)習(xí)方式。這篇教程通過由一段簡短的 python 代碼實(shí)現(xiàn)的非常簡單的實(shí)例來講解 BP 反向傳播算法。

?

當(dāng)然，上述程序可能過于簡練了。下面我會(huì)將其簡要分解成幾個(gè)部分進(jìn)行探討。

第一部分：一個(gè)簡潔的神經(jīng)網(wǎng)絡(luò)

一個(gè)用 BP 算法訓(xùn)練的神經(jīng)網(wǎng)絡(luò)嘗試著用輸入去預(yù)測輸出。

?

考慮以上情形：給定三列輸入，試著去預(yù)測對(duì)應(yīng)的一列輸出。我們可以通過簡單測量輸入與輸出值的數(shù)據(jù)來解決這一問題。這樣一來，我們可以發(fā)現(xiàn)最左邊的一列輸入值和輸出值是完美匹配/完全相關(guān)的。直觀意義上來講，反向傳播算法便是通過這種方式來衡量數(shù)據(jù)間統(tǒng)計(jì)關(guān)系進(jìn)而得到模型的。下面直入正題，動(dòng)手實(shí)踐。

2 層神經(jīng)網(wǎng)絡(luò)：

?

Output After Training：

［［ 0.00966449］

［ 0.00786506］

［ 0.99358898］

［ 0.99211957］］

變量 定義說明

X 輸入數(shù)據(jù)集，形式為矩陣，每 1 行代表 1 個(gè)訓(xùn)練樣本。

y 輸出數(shù)據(jù)集，形式為矩陣，每 1 行代表 1 個(gè)訓(xùn)練樣本。

l0 網(wǎng)絡(luò)第 1 層，即網(wǎng)絡(luò)輸入層。

l1 網(wǎng)絡(luò)第 2 層，常稱作隱藏層。

Syn 第一層權(quán)值，突觸 0 ，連接 l0 層與 l1 層。

0

* 逐元素相乘，故兩等長向量相乘等同于其對(duì)等元素分別相乘，結(jié)果為同等長度的向量。

– 元素相減，故兩等長向量相減等同于其對(duì)等元素分別相減，結(jié)果為同等長度的向量。

x.dot（y） 若 x 和 y 為向量，則進(jìn)行點(diǎn)積操作；若均為矩陣，則進(jìn)行矩陣相乘操作；若其中之一為矩陣，則進(jìn)行向量與矩陣相乘操作。

正如在“訓(xùn)練后結(jié)果輸出”中看到的，程序正確執(zhí)行！在描述具體過程之前，我建議讀者事先去嘗試?yán)斫獠⑦\(yùn)行下代碼，對(duì)算法程序的工作方式有一個(gè)直觀的感受。最好能夠在 ipython notebook 中原封不動(dòng)地跑通以上程序（或者你想自己寫個(gè)腳本也行，但我還是強(qiáng)烈推薦 notebook ）。下面是對(duì)理解程序有幫助的幾個(gè)關(guān)鍵地方：

· 對(duì)比 l1 層在首次迭代和最后一次迭代時(shí)的狀態(tài)。

· 仔細(xì)察看 “nonlin” 函數(shù)，正是它將一個(gè)概率值作為輸出提供給我們。

· 仔細(xì)觀察在迭代過程中，l1_error 是如何變化的。

· 將第 36 行中的表達(dá)式拆開來分析，大部分秘密武器就在這里面。

· 仔細(xì)理解第 39 行代碼，網(wǎng)絡(luò)中所有操作都是在為這步運(yùn)算做準(zhǔn)備。

下面，讓我們一行一行地把代碼過一遍。

建議：用兩個(gè)屏幕來打開這篇博客，這樣你就能對(duì)照著代碼來閱讀文章。在博客撰寫時(shí)，我也正是這么做的。

第 1 行：這里導(dǎo)入一個(gè)名叫 numpy 的線性代數(shù)工具庫，它是本程序中唯一的外部依賴。

第 4 行：這里是我們的“非線性”部分。雖然它可以是許多種函數(shù)，但在這里，使用的非線性映射為一個(gè)稱作 “sigmoid” 的函數(shù)。Sigmoid 函數(shù)可以將任何值都映射到一個(gè)位于 0 到 1 范圍內(nèi)的值。通過它，我們可以將實(shí)數(shù)轉(zhuǎn)化為概率值。對(duì)于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練， Sigmoid 函數(shù)也有其它幾個(gè)非常不錯(cuò)的特性。

?

第 5 行： 注意，通過 “nonlin” 函數(shù)體還能得到 sigmod 函數(shù)的導(dǎo)數(shù)（當(dāng)形參 deriv 為 True 時(shí)）。Sigmoid 函數(shù)優(yōu)異特性之一，在于只用它的輸出值便可以得到其導(dǎo)數(shù)值。若 Sigmoid 的輸出值用變量 out 表示，則其導(dǎo)數(shù)值可簡單通過式子 out *（1-out） 得到，這是非常高效的。

若你對(duì)求導(dǎo)還不太熟悉，那么你可以這樣理解：導(dǎo)數(shù)就是 sigmod 函數(shù)曲線在給定點(diǎn)上的斜率（如上圖所示，曲線上不同的點(diǎn)對(duì)應(yīng)的斜率不同）。有關(guān)更多導(dǎo)數(shù)方面的知識(shí)，可以參考可汗學(xué)院的導(dǎo)數(shù)求解教程。

第 10 行：這行代碼將我們的輸入數(shù)據(jù)集初始化為 numpy 中的矩陣。每一行為一個(gè)“訓(xùn)練實(shí)例”，每一列的對(duì)應(yīng)著一個(gè)輸入節(jié)點(diǎn)。這樣，我們的神經(jīng)網(wǎng)絡(luò)便有 3 個(gè)輸入節(jié)點(diǎn)，4 個(gè)訓(xùn)練實(shí)例。

第 16 行：這行代碼對(duì)輸出數(shù)據(jù)集進(jìn)行初始化。在本例中，為了節(jié)省空間，我以水平格式（ 1 行 4 列）定義生成了數(shù)據(jù)集?！?T” 為轉(zhuǎn)置函數(shù)。經(jīng)轉(zhuǎn)置后，該 y 矩陣便包含 4 行 1 列。同我們的輸入一致，每一行是一個(gè)訓(xùn)練實(shí)例，而每一列（僅有一列）對(duì)應(yīng)一個(gè)輸出節(jié)點(diǎn)。因此，我們的網(wǎng)絡(luò)含有 3 個(gè)輸入， 1 個(gè)輸出。

第 20 行：為你的隨機(jī)數(shù)設(shè)定產(chǎn)生種子是一個(gè)良好的習(xí)慣。這樣一來，你得到的權(quán)重初始化集仍是隨機(jī)分布的，但每次開始訓(xùn)練時(shí)，得到的權(quán)重初始集分布都是完全一致的。這便于觀察你的策略變動(dòng)是如何影響網(wǎng)絡(luò)訓(xùn)練的。

第 23 行：這行代碼實(shí)現(xiàn)了該神經(jīng)網(wǎng)絡(luò)權(quán)重矩陣的初始化操作。用 “syn0” 來代指 “零號(hào)突觸”（即“輸入層-第一層隱層”間權(quán)重矩陣）。由于我們的神經(jīng)網(wǎng)絡(luò)只有 2 層（輸入層與輸出層），因此只需要一個(gè)權(quán)重矩陣來連接它們。權(quán)重矩陣維度為（3，1），是因?yàn)樯窠?jīng)網(wǎng)絡(luò)有 3 個(gè)輸入和 1 個(gè)輸出。換種方式來講，也就是 l0 層大小為 3 ， l1 層大小為 1 。因此，要想將 l0 層的每個(gè)神經(jīng)元節(jié)點(diǎn)與 l1 層的每個(gè)神經(jīng)元節(jié)點(diǎn)相連，就需要一個(gè)維度大小為（3，1）的連接矩陣。：）

同時(shí)，要注意到隨機(jī)初始化的權(quán)重矩陣均值為 0 。關(guān)于權(quán)重的初始化，里面可有不少學(xué)問。因?yàn)槲覀儸F(xiàn)在還只是練習(xí)，所以在權(quán)值初始化時(shí)設(shè)定均值為 0 就可以了。

另一個(gè)認(rèn)識(shí)就是，所謂的“神經(jīng)網(wǎng)絡(luò)”實(shí)際上就是這個(gè)權(quán)值矩陣。雖然有“層” l0 和 l1 ，但它們都是基于數(shù)據(jù)集的瞬時(shí)值，即層的輸入輸出狀態(tài)隨不同輸入數(shù)據(jù)而不同，這些狀態(tài)是不需要保存的。在學(xué)習(xí)訓(xùn)練過程中，只需存儲(chǔ) syn0 權(quán)值矩陣。

第 25 行：本行代碼開始就是神經(jīng)網(wǎng)絡(luò)訓(xùn)練的代碼了。本 for 循環(huán)迭代式地多次執(zhí)行訓(xùn)練代碼，使得我們的網(wǎng)絡(luò)能更好地?cái)M合訓(xùn)練集。

第 28 行：可知，網(wǎng)絡(luò)第一層 l0 就是我們的輸入數(shù)據(jù)，關(guān)于這點(diǎn)，下面作進(jìn)一步闡述。還記得 X 包含 4 個(gè)訓(xùn)練實(shí)例（行）吧？在該部分實(shí)現(xiàn)中，我們將同時(shí)對(duì)所有的實(shí)例進(jìn)行處理，這種訓(xùn)練方式稱作“整批”訓(xùn)練。因此，雖然我們有 4 個(gè)不同的 l0 行，但你可以將其整體視為單個(gè)訓(xùn)練實(shí)例，這樣做并沒有什么差別。（我們可以在不改動(dòng)一行代碼的前提下，一次性裝入 1000 個(gè)甚至 10000 個(gè)實(shí)例）。

第 29 行：這是神經(jīng)網(wǎng)絡(luò)的前向預(yù)測階段?；旧希紫茸尵W(wǎng)絡(luò)基于給定輸入“試著”去預(yù)測輸出。接著，我們將研究預(yù)測效果如何，以至于作出一些調(diào)整，使得在每次迭代過程中網(wǎng)絡(luò)能夠表現(xiàn)地更好一點(diǎn)。

（4 x 3） dot （3 x 1） = （4 x 1）

本行代碼包含兩個(gè)步驟。首先，將 l0 與 syn0 進(jìn)行矩陣相乘。然后，將計(jì)算結(jié)果傳遞給 sigmoid 函數(shù)。具體考慮到各個(gè)矩陣的維度：

（4 x 3） dot （3 x 1） = （4 x 1）

矩陣相乘是有約束的，比如等式靠中間的兩個(gè)維度必須一致。而最終產(chǎn)生的矩陣，其行數(shù)為第一個(gè)矩陣的行數(shù)，列數(shù)則為第二個(gè)矩陣的列數(shù)。

由于裝入了 4 個(gè)訓(xùn)練實(shí)例，因此最終得到了 4 個(gè)猜測結(jié)果，即一個(gè)（4 x 1）的矩陣。每一個(gè)輸出都對(duì)應(yīng)，給定輸入下網(wǎng)絡(luò)對(duì)正確結(jié)果的一個(gè)猜測。也許這也能直觀地解釋：為什么我們可以“載入”任意數(shù)目的訓(xùn)練實(shí)例。在這種情況下，矩陣乘法仍是奏效的。

第 32 行：這樣，對(duì)于每一輸入，可知 l1 都有對(duì)應(yīng)的一個(gè)“猜測”結(jié)果。那么通過將真實(shí)的結(jié)果（y）與猜測結(jié)果（l1）作減，就可以對(duì)比得到網(wǎng)絡(luò)預(yù)測的效果怎么樣。l1_error 是一個(gè)有正數(shù)和負(fù)數(shù)組成的向量，它可以反映出網(wǎng)絡(luò)的誤差有多大。

第 36 行：現(xiàn)在，我們要碰到干貨了！這里就是秘密武器所在！本行代碼信息量比較大，所以將它拆成兩部分來分析。

第一部分：求導(dǎo)

nonlin（l1，True）

如果 l1 可表示成 3 個(gè)點(diǎn)，如下圖所示，以上代碼就可產(chǎn)生圖中的三條斜線。注意到，如在 x=2.0 處（綠色點(diǎn)）輸出值很大時(shí)，及如在x=-1.0 處（紫色點(diǎn)）輸出值很小時(shí)，斜線都非常十分平緩。如你所見，斜度最高的點(diǎn)位于 x=0 處（藍(lán)色點(diǎn)）。這一特性非常重要。另外也可發(fā)現(xiàn)，所有的導(dǎo)數(shù)值都在 0 到 1 范圍之內(nèi)。

?

整體認(rèn)識(shí)：誤差項(xiàng)加權(quán)導(dǎo)數(shù)值

?

當(dāng)然，“誤差項(xiàng)加權(quán)導(dǎo)數(shù)值”這個(gè)名詞在數(shù)學(xué)上還有更為嚴(yán)謹(jǐn)?shù)拿枋?，不過我覺得這個(gè)定義準(zhǔn)確地捕捉到了算法的意圖。 l1_error 是一個(gè)（4，1）大小的矩陣，nonlin（l1，True）返回的便是一個(gè)（4，1）的矩陣。而我們所做的就是將其“逐元素地”相乘，得到的是一個(gè)（4，1）大小的矩陣 l1_delta ，它的每一個(gè)元素就是元素相乘的結(jié)果。

當(dāng)我們將“斜率”乘上誤差時(shí)，實(shí)際上就在以高確信度減小預(yù)測誤差?；剡^頭來看下 sigmoid 函數(shù)曲線圖！當(dāng)斜率非常平緩時(shí)（接近于 0），那么網(wǎng)絡(luò)輸出要么是一個(gè)很大的值，要么是一個(gè)很小的值。這就意味著網(wǎng)絡(luò)十分確定是否是這種情況，或是另一種情況。然而，如果網(wǎng)絡(luò)的判定結(jié)果對(duì)應(yīng)（x = 0.5，y = 0.5）附近時(shí)，它便就不那么確定了。對(duì)于這種“似是而非”預(yù)測情形，我們對(duì)其做最大的調(diào)整，而對(duì)確定的情形則不多做處理，乘上一個(gè)接近于 0 的數(shù)，則對(duì)應(yīng)的調(diào)整量便可忽略不計(jì)。

第 39 行：現(xiàn)在，更新網(wǎng)絡(luò)已準(zhǔn)備就緒！下面一起來看下一個(gè)簡單的訓(xùn)練示例。

?

在這個(gè)訓(xùn)練示例中，我們已經(jīng)為權(quán)值更新做好了一切準(zhǔn)備。下面讓我們來更新最左邊的權(quán)值（9.5）。

權(quán)值更新量 = 輸入值 * l1_delta

對(duì)于最左邊的權(quán)值，在上式中便是 1.0 乘上 l1_delta 的值?？梢韵氲玫?，這對(duì)權(quán)值 9.5 的增量是可以忽略不計(jì)的。為什么只有這么小的更新量呢？是因?yàn)槲覀儗?duì)于預(yù)測結(jié)果十分確信，而且預(yù)測結(jié)果有很大把握是正確的。誤差和斜率都偏小時(shí)，便意味著一個(gè)較小的更新量?？紤]所有的連接權(quán)值，這三個(gè)權(quán)值的增量都是非常小的。

?

然而，由于采取的是“整批”訓(xùn)練的機(jī)制，因此上述更新步驟是在全部的 4 個(gè)訓(xùn)練實(shí)例上進(jìn)行的，這看上去也有點(diǎn)類似于圖像。那么，第 39 行做了什么事情呢？在這簡單的一行代碼中，它共完成了下面幾個(gè)操作：首先計(jì)算每一個(gè)訓(xùn)練實(shí)例中每一個(gè)權(quán)值對(duì)應(yīng)的權(quán)值更新量，再將每個(gè)權(quán)值的所有更新量累加起來，接著更新這些權(quán)值。親自推導(dǎo)下這個(gè)矩陣相乘操作，你便能明白它是如何做到這一點(diǎn)的。

重點(diǎn)結(jié)論：

現(xiàn)在，我們已經(jīng)知曉神經(jīng)網(wǎng)絡(luò)是如何進(jìn)行更新的?；剡^頭來看看訓(xùn)練數(shù)據(jù)，作一些深入思考。 當(dāng)輸入和輸出均為 1 時(shí)，我們?cè)黾铀鼈冮g的連接權(quán)重；當(dāng)輸入為 1 而輸出為 0 時(shí)，我們減小其連接權(quán)重

?

因此，在如下 4 個(gè)訓(xùn)練示例中，第一個(gè)輸入結(jié)點(diǎn)與輸出節(jié)點(diǎn)間的權(quán)值將持續(xù)增大或者保持不變，而其他兩個(gè)權(quán)值在訓(xùn)練過程中表現(xiàn)為同時(shí)增大或者減小（忽略中間過程）。這種現(xiàn)象便使得網(wǎng)絡(luò)能夠基于輸入與輸出間的聯(lián)系進(jìn)行學(xué)習(xí)。

第二部分：一個(gè)稍顯復(fù)雜的問題

?

考慮如下情形：給定前兩列輸入，嘗試去預(yù)測輸出列。一個(gè)關(guān)鍵點(diǎn)在于這兩列與輸出不存在任何關(guān)聯(lián)，每一列都有 50% 的幾率預(yù)測結(jié)果為 1 ，也有 50% 的幾率預(yù)測為 0 。

那么現(xiàn)在的輸出模式會(huì)是怎樣呢？看起來似乎與第三列毫不相關(guān)，其值始終為 1 。而第 1 列和第 2 列可以有更為清晰的認(rèn)識(shí)，當(dāng)其中 1 列值為1（但不同時(shí)為 1 ?。r(shí)，輸出便為 1 。這邊是我們要找的模式！

以上可以視為一種“非線性”模式，因?yàn)閱蝹€(gè)輸入與輸出間不存在一個(gè)一對(duì)一的關(guān)系。而輸入的組合與輸出間存在著一對(duì)一的關(guān)系，在這里也就是列 1 和列 2 的組合。

?

信不信由你，圖像識(shí)別也是一種類似的問題。若有 100 張尺寸相同的煙斗圖片和腳踏車圖片，那么，不存在單個(gè)像素點(diǎn)位置能夠直接說明某張圖片是腳踏車還是煙斗。單純從統(tǒng)計(jì)角度來看，這些像素可能也是隨機(jī)分布的。然而，某些像素的組合卻不是隨機(jī)的，也就是說，正是這種組合才形成了一輛腳踏車或者是一個(gè)人。

我們的策略

由上可知，像素組合后的產(chǎn)物與輸出存在著一對(duì)一的關(guān)系。為了先完成這種組合，我們需要額外增加一個(gè)網(wǎng)絡(luò)層。第一層對(duì)輸入進(jìn)行組合，然后以第一層的輸出作為輸入，通過第二層的映射得到最終的輸出結(jié)果。在給出具體實(shí)現(xiàn)之前，我們來看下這張表格。

?

權(quán)重隨機(jī)初始化好后，我們便得到了層1的隱態(tài)值。注意到什么了嗎？第二列（第二個(gè)隱層結(jié)點(diǎn)）已經(jīng)同輸出有一定的相關(guān)度了！雖不是十分完美，但也可圈可點(diǎn)。無論你是否相信，尋找這種相關(guān)性在神經(jīng)網(wǎng)絡(luò)訓(xùn)練中占了很大比重。（甚至可以認(rèn)定，這也是訓(xùn)練神經(jīng)網(wǎng)絡(luò)的唯一途徑），隨后的訓(xùn)練要做的便是將這種關(guān)聯(lián)進(jìn)一步增大。syn1 權(quán)值矩陣將隱層的組合輸出映射到最終結(jié)果，而在更新 syn1 的同時(shí)，還需要更新 syn0 權(quán)值矩陣，以從輸入數(shù)據(jù)中更好地產(chǎn)生這些組合。

注釋：通過增加更多的中間層，以對(duì)更多關(guān)系的組合進(jìn)行建模。這一策略正是廣為人們所熟知的“深度學(xué)習(xí)”，因?yàn)槠湔峭ㄟ^不斷增加更深的網(wǎng)絡(luò)層來建模的。

?

? ? ?

?

一切看起來都如此熟悉！這只是用這樣兩個(gè)先前的實(shí)現(xiàn)相互堆疊而成的，第一層（l1）的輸出就是第二層的輸入。唯一所出現(xiàn)的新事物便是第 43 行代碼。

第 43 行：通過對(duì) l2 層的誤差進(jìn)行“置信度加權(quán)”，構(gòu)建 l1 層相應(yīng)的誤差。為了做到這點(diǎn)，只要簡單的通過 l2 與 l1 間的連接權(quán)值來傳遞誤差。這種做法也可稱作“貢獻(xiàn)度加權(quán)誤差”，因?yàn)槲覀儗W(xué)習(xí)的是，l1 層每一個(gè)結(jié)點(diǎn)的輸出值對(duì) l2 層節(jié)點(diǎn)誤差的貢獻(xiàn)程度有多大。接著，用之前 2 層神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)中的相同步驟，對(duì) syn0 權(quán)值矩陣進(jìn)行更新。

第三部分：總結(jié)?

如果你想認(rèn)真弄懂神經(jīng)網(wǎng)絡(luò)，給你一點(diǎn)建議：憑借記憶嘗試去重構(gòu)這個(gè)網(wǎng)絡(luò)。我知道這聽起來有一些瘋狂，但確實(shí)會(huì)有幫助的。如果你想能基于新的學(xué)術(shù)文章創(chuàng)造任意結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)，或者讀懂不同網(wǎng)絡(luò)結(jié)構(gòu)的樣例程序，我覺得這項(xiàng)訓(xùn)練會(huì)是一個(gè)殺手锏。即使當(dāng)你在使用一些開源框架時(shí)，比如 Torch ，Caffe 或者 Theano ，這也會(huì)有所幫助的。