Deep Neural Network

Deep L-layer Neural Network

• 只有 1-layer 的 logistic 及一些層數較少的 nn 會稱作 "shallow" neural network

• 當你有越多的 hidden layers 代表你的 nn 越接近 deep neural network

• 介紹一些 deep neural networks 的 notation

• $L$ 表示 layer 數

• $n^{[l]}$ 表示第 l 層的 units 有幾個

• $a^{[l]}$ 表示第 l 層的 activations

  • $a^{[l]} = g^{[l]}(z^{[l]})$

• $w^{[l]}$ 和 $b^{[l]}$ 表示 $z^{[l]}$ 的 weights

• 另外補充

  • $x = a^{[0]}$ 表示 input layer，共有 $n^{[0]} (n_x)$ 個 units

  • $\hat{y} = a^{[L]}$ 表示 output layer，共有 $n^{[L]}$ 個 units

Forward Propogation in a Deep Neural Network

• 要在上面的 5-layer nn 進行 forward propogation

• 方法跟之前學的 2-layer 很像，只是不斷對下面這個步驟 iterate 而已

• 下面是一個 generalize 的 forward propogation step

$$\begin{aligned} Z^{[l]} &= W^{[l]}A^{[l-1]} + b^{[l]} && X = A^{[0]}\\ A^{[l]} &= g^{[l]}(Z^{[l]}) \end{aligned}$$

• 若有 l layers，那就要 iterate for i = 1:l

• 通常跑完所有 layer 需要一個 explicit for-loops 而不是 vectorization

Getting your matrix dimensions right (Debug)

• 在建置一個 nn 時，考慮好每一個 vector 及 matrix 的 dimension 非常重要

• 是防止 program 產生問題的重點

Parameters $W^{[l]}$ and $b^{[l]}$

• 先看計算第一層 $z$ 時 $w$ 和 $b$ 的 dimension

$$\begin{aligned} &z^{[1]} = &w^{[1]} &\times &x &+ &b^{[1]}\\ &(3, 1) &(3, 2) & &(2, 1) & &(3, 1)\\ &(n^{[1]}, 1) &(n^{[1]}, n^{[0]}) & &(n^{[0]}, 1) & &(n^{[1]}, 1) \end{aligned}$$

• 可以一般化 $w$ 和 $b$ 在計算 $z$ 時的 dimension
• 在 backprop 時，產生的 $dw, db$ 也會和 $w, b$ 一模一樣 dimension

$$\begin{aligned} w^{[l]} &= (n^{[l]}, n^{[l-1]}) \\ b^{[l]} &= (n^{[l]}, 1) = z^{[l]} \end{aligned}$$

Vectorized Implementation

• 使用 vectorization 一次執行 m 筆 training examples 於 forward propogation 時

• 原本的 z 變成一個 m columns 的矩陣

$$Z^{[1]} = \begin{bmatrix} |&|&&|\\ z^{[1](1)}&z^{[1](2)}&\cdots&z^{[1](m)}\\ |&|&&| \end{bmatrix}$$

• z 的運算變成這樣

  • b 保持不變是因為 python 會自動使用 broadcasting 技巧

    $$\begin{aligned} &Z^{[1]} = &W^{[1]} &\times &X &+ &b^{[1]}\\ &(n^{[1]}, m) &(n^{[1]}, n^{[0]}) & &(n^{[0]}, m) & &(n^{[1]}, 1) \end{aligned}$$
• 簡單來說，$z, a$ 變成 $Z, A$ 在 dimension 上就是從 1 column 變成 m columns

$$z^{[l]}, a^{[l]} : (n^{[l]}, 1) \rightarrow Z^{[l]}, A^{[l]} : (n^{[l]}, m)$$

Why Deep Representations ?

以下用兩個方向來解釋為什麼 nn 越 deep 越好

Intuition

• 有了 Deep neural network

• 我們可以在第一層 hidden layer 對圖片做簡單運算和偵測

  • 例如找出圖片的水平或垂直邊緣線

• 接著組合上一層結果，在下一層進一步運算

  • 例如找出五官或是一些部位

• 越往下層走，就可以得到越複雜的計算

  • 例如到最後可以進行人臉辨識

• 另一個例子是語音辨識系統

  • Audio -> low level audio waves -> phonemes -> words -> sentences

• 所以 deep learning 能將一件是從 simple 做到 complex 得到近似解

Circuit Theory

• 另一個例子是用邏輯電路來呈現

• 假設我要運算出 $x_1 \text{ XOR } x_2 \text{ XOR } x_3 \text{ XOR } \cdots \text{ XOR } x_n$
• 一般的做法都會是使用一個 $O\log(N)$ 的方法 (意指 deep nn 的好處)

• 另一種 shallow 的方法則需要展開 $O(2^N)$ 的 nodes 才能做到

Informally:

There are functions you can compute with a "small" L-layer deep neural network

that shallower networks require exponentially more hidden units to compute.

Building Blocks of Deep Neural Networks

• 在實際建置 dnn 時，可以把每一個 $A^{[l]} \rightarrow A^{[l+1]}$ 的 forward 想成一個 block
• 同理的，也可以將 $dA^{[l-1]} \leftarrow dA^{[l]}$ 的 backward 想成一個 block
• forward 會將計算好的值 cache 起來給 backward 使用

Forward Propogation

• Input : $a^{[l-1]}$
• Output : $a^{[l]}$
• Cache : $z^{[l]}, w^{[l]}, b^{[l]}$
• Process :

$$\begin{aligned} Z^{[l]} &= W^{[l]} \cdot A^{[l-1]} + b^{[l]} \\ A^{[l]} &= g^{[l]}(Z^{[l]}) \end{aligned}$$

Backward Propogation

• Input : $da^{[l]}$
• Ouput : $da^{[l-1]}, dW^{[l]}, db^{[l]}$
• Process :

$$\begin{aligned} dZ^{[l]} &= dA^{[l]} \cdot \ast g^{[l]'}(Z^{[l]}) \\ dW^{[l]} &= \frac{1}{m} dZ^{[l]} \cdot A^{[l-1]T} \\ db^{[l]} &= \frac{1}{m} \text{np.sum}(dZ^{[l]}) \\ dA^{[l-1]} &= W^{[l]T} \cdot dZ^{[l]} \end{aligned}$$

• 整個組合起來的 blocks 會長成這樣

HyperParameters

• 一般的 parameters 是指 $W^{[1]}, b^{[1]}, W^{[2]}, b^{[2]}, \cdots$
• hyperparameters 指的是那些足以影響 parameters 的參數

• 這些 hyperparameters 的設定往往依靠著經驗來做

• 現有的舉例有

  • learning rate $\alpha$
  • number of iterations

  • number of hidden layers $L$
  • number of hidden units $n^{[1]}, n^{[2]}, \cdots$
  • choice of activation functions $tanh, ReLU, ...$
• 未來還會有

  • momentum

  • mini-batch size

  • regularization algorithms

• 所以 deep learning application 其實是一個 very empirical process

  • 常需要在 Idea -> Code -> Experiment 中不斷循環