处理过程

处理过程包括
在这里插入图片描述
激活函数
数据预处理
权重初始化
批量归一化
训练过程监控
超参的优化

激活函数

在这里插入图片描述
当输入数据，在全连接层或者卷积层，我们将输入乘上权重值，然后将结果输入一个激活函数，或非线性单元。

上图是一些例子

sigmoid函数

在这里插入图片描述

每个数被输入sigmoid中，都会被压缩到[0,1]的范围内，然而它从在很多问题。

问题1 首先是饱和神经元将使梯度消失

在这里插入图片描述
当x=-10，太过接近sigmoid负饱和区，这个区域本质上是平的所以梯度变为0，我们将返回上游梯度乘一个约为0的数，所以得到一个非常小的梯度，所以某种意义上经过链式法则后让梯度流消失因此0梯度就传递到下游的节点。
当x=0，可以有一个好的梯度可以好的反向传播
当x=10，或者很大正值，它们位于梯度平滑区域，无法得到梯度流的反馈。

问题2 sigmoid是非0中心函数

当输入神经元的数值始终为正，它会乘以某个权重W，然后我们将通过激活函数来运行
权重W梯度如何？

在这里插入图片描述
当我们把上游梯度传回来，就是对我们的损失L关于f进行求导，就是dl/df它的值就是正数或负数，我们对w求导则为df/dw这个等于x，如果x为正数，那么对w的梯度dL/df乘以df/dw，这就相当把上游梯度符号传了回来，意味着w的梯度全是正数或负数，它们总朝着一个方向移动，当你做参数更新，你可以选择增加他们，可以用同一个正数去增加所有w的值，这种方法对梯度更新十分低效。

问题3 exp（）是一个计算成本高的函数

这不是主要问题，因为我们进行卷积核点乘计算代价会更大。

tanh激活函数

tanh非线性函数图像如上图右边所示。它将实数值压缩到[-1,1]之间。和sigmoid神经元一样，它也存在饱和问题，但是和sigmoid神经元不同的是，它的输出是零中心的。因此，在实际操作中，tanh非线性函数比sigmoid非线性函数更受欢迎

ReLU激活函数

在近些年ReLU变得非常流行。它的函数公式是
在这里插入图片描述
这个激活函数就是一个关于0的阈值（如上图左侧）。使用ReLU有以下一些优缺点：
优点：相较于sigmoid和tanh函数，ReLU对于随机梯度下降的收敛有巨大的加速作用（ Krizhevsky 等的论文指出有6倍之多）。据称这是由它的线性，非饱和的公式导致的。
优点：sigmoid和tanh神经元含有指数运算等耗费计算资源的操作，而ReLU可以简单地通过对一个矩阵进行阈值计算得到。
缺点：在训练的时候，ReLU单元比较脆弱并且可能“死掉”。举例来说，当一个很大的梯度流过ReLU的神经元的时候，可能会导致梯度更新到一种特别的状态，在这种状态下神经元将无法被其他任何数据点再次激活。如果这种情况发生，那么从此所以流过这个神经元的梯度将都变成0。也就是说，这个ReLU单元在训练中将不可逆转的死亡，因为这导致了数据多样化的丢失。例如，如果学习率设置得太高，可能会发现网络中40%的神经元都会死掉（在整个训练集中这些神经元都不会被激活）。通过合理设置学习率，这种情况的发生概率会降低。
在这里插入图片描述
当学习率太高时候，你进行大量跟新，权值不断波动，你的reLu单元就会被数据多样性所淘汰。

神经元坏死理解

ReLU改进 leaky relu

eaky ReLU是为解决“ReLU死亡”问题的尝试。ReLU中当x<0时，函数值为0。而Leaky ReLU则是给出一个很小的负数梯度值，比如0.01。所以其函数公式为
在这里插入图片描述
其中a是一个小的常量。有些研究者的论文指出这个激活函数表现很不错，但是其效果并不是很稳定。Kaiming He等人在2015年发布的论文Delving Deep into Rectifiers中介绍了一种新方法PReLU，把负区间上的斜率当做每个神经元中的一个参数。然而该激活函数在在不同任务中均有益处的一致性并没有特别清晰。
在这里插入图片描述

实践

1最经常使用ReLU试验，但要小心学习率
2可以尝试leaky ReLU/maxout等但更多为实验性（实用性差一点）
在这里插入图片描述

数据预处理

归一化处理
在这里插入图片描述
零均值或

初始化网络权重

在这里插入图片描述
让我们从应该避免的错误开始。在训练完毕后，虽然不知道网络中每个权重的最终值应该是多少，但如果数据经过了恰当的归一化的话，就可以假设所有权重数值中大约一半为正数，一半为负数。这样，一个听起来蛮合理的想法就是把这些权重的初始值都设为0吧，因为在期望上来说0是最合理的猜测。这个做法错误的！因为如果网络中的每个神经元都计算出同样的输出，然后它们就会在反向传播中计算出同样的梯度，从而进行同样的参数更新。换句话说，如果权重被初始化为同样的值，神经元之间就失去了不对称性的源头。