Slinuxer

Deep Learning从0到0.1

2016/11/252016/12/04 Sword York 4 条评论

以下大部分是根据我自己的学习过程来的，可以算是一种人生经验，也有可能是只适合我的。有好多人问我怎么入门，我自己都没入，所以是不想公开，能不看就不要看了。（陈老师微博转了一下，班门弄斧羞愧难当。小小服务器微卡，请见谅。）

前期准备

个人认为Linux远远优于Windows（mac 不清楚，貌似也比Windows方便一点），大二之后我没有在Windows上写过跑过代码，不清楚常用的deep learning框架能否顺利在Windows上安装。但我知道在Linux上安装theano就一个命令，GPU cuda 设置也很方便。当然，这是一个安利，可以不吃。
可以上Google，会用英文搜索。最好少看中文资料，或者粗略看中文资料有个大概印象之后仔细看英文资料。
基本的优化知识，像梯度下降法，以及随机的梯度下降法（SGD）。另外还有一些加速方法，可以看这篇博文，形象科学。
基本的机器学习知识，最起码的logistic regression。这个非常重要，可以看作是最最基本的单层神经网络，相当于平房跟金茂的关系。理解里面的sigmoid也很重要，对以后理解为什么要用tanh，relu有帮助。这个最好能自己实现，matlab也行，了解原理就好了。可以使用libsvm的数据集测试分类效果。可以参考coursera上的机器学习不过他的作业貌似封装了优化算法，最好优化算法也自己写。这可能是最艰难无趣的一步，实在不行先跳过。
一点矩阵知识，感觉知道就行，离真正用到还很远。
概率知识，只要不搞生成模型啥的如VAE这种就可以先不管。像CNN基本用不到，只要知道softmax是个什么就行了。softmax（敲黑板！）就是多类logistic regression，简单讲就是模型判定输入是属于哪个类的概率。理解了logistic regression就不难了。
最好能看一本书，能够系统的学习，Ian Goodfellow and Yoshua Bengio and Aaron Courville写的deep learning就不错。

准备这些我觉得需要2周左右，推荐几个框架，边准备边试，看看喜欢哪一个框架。

初步了解

神经网络最初的是多层感知机（MLP），就是多层的Logistic regression，coursera上的机器学习那课里也有讲到。可以跑一下thenao的代码。为什么纯MLP很少用呢？主要因为参数冗余且不符合原理。还有很多其他原因，可以在接触CNN等其他结构的网络之后慢慢理解。当然这个MLP也是很重要的，虽然这里不多谈。

最重要的是尝试，否则就是夸夸其谈不明细节。当然得选择有趣简单的东西玩。deep learning中RBM这类可能有点晦涩而且现在并不流行。我就分别举CNN，RNN，GAN中简单可行的例子。可能现在不知道这些分别是什么，后面慢慢理解。

CNN

CNN的开山鼻祖LeNet和AlexNet算是最初级的CNN可以一看，毕竟里面有很多东西都过时了。但它引入的relu，pooling这些精华还一直在，所以务必看一下AlexNet的论文。这篇博文还有一些比较。简单来说，CNN就是下面的架构，很好理解，相比MLP就多了卷积和pooling操作。看MLP就出现了，在这里cnn就是在提取特征，而MLP就是在提取的特征上做判别。

知道这些并不有趣，要玩点直观的。我觉得最有趣的肯定是neural style，最近流行的Prisma也基于差不多的原理，如果你都懂原理你就是high level。我们在有限的计算资源下训练一个大型CNN显得非常不划算，但是用别人训练好的CNN做一些有趣的事也算是另辟蹊径来理解什么是CNN。他的paper中介绍的还算清楚。工业界是要让代码跑起来，入门的第一件事就是能跑别人的代码，管他原理不原理。如果不清楚，先跑起来再说，生成一张自己照片的风格图也很值啊，然后再慢慢了解原理。

如果了解了原理，看了源码，可以尝试修改，比如合成两张图片啥的。能做到就算完全了解了neural style的原理了。这算是入门的第二步，修改别人的代码，同时可以学习一个。牛b之后还可以想想能否通过Autoencoder来加快速度。

好像有点跳，不虚慢慢来。当了解CNN工作模式还得靠其他的东西。

还可以看看deep dream，不过看着好像有点恶心。或者看看其他流行的项目。最重要的是阅读源代码，代码是绝对正确的。书本上paper里的都是大概，很少有细节。我没怎么训练过CNN，所以没法给出更多训练时的细节。

RNN

RNN就难多了，理解LSTM花了我很久。下面两个系列帮我了很大的忙。看完绝对能理解RNN，至少知道是RNN个什么，至少知道为什么要用LSTM，GRU这些变种。看不懂可以先看个大概，跑跑代码再说，然后再看，然后再研究代码。我就这么recurrent的入门的。

然后是搞点有意思的。我觉得对于初学者来说，自动生成Shakespeare风格的文章或者Linux代码算有意思了吧。可以参考这篇博文和这篇paper。Github上有很多代码，如char-rnn和blocks-char-rnn。原理非常非常简单，就是根据前一个字符预测下一个字符。如输入一句话”我tm怎么这么diǎo”，输出就是“tm怎么这么diǎo。”，用RNN来拟合这样一个输入输出就行了。就是以下的结构。

这篇文章比较n-gram和RNN的结果，可以看出RNN是多么diǎo。简单来说，RNN能捕获前后之间的联系，比如c代码，RNN能生成匹配的括号，而n-gram是做不到的。

static void kdb_setsinglestep(struct pt_regs *regs)
{
struct swevent_htable *swhash = &per_cpu(swevent_htable, cpu);

mutex_lock(&swhash->hlist_mutex);
swhash->online = true;
if (swhash->hlist_refcount)
swevent_hlist_release(swhash);

mutex_unlock(&show_mutex);

return 0;
}

static void kdb_setsinglestep(struct pt_regs *regs)

{

struct swevent_htable *swhash = &per_cpu(swevent_htable, cpu);

mutex_lock(&swhash->hlist_mutex);

swhash->online = true;

if (swhash->hlist_refcount)

swevent_hlist_release(swhash);

mutex_unlock(&show_mutex);

return 0;

}

这是RNN能做到的最简单的，而且能在自己电脑上轻松跑起来的例子。还有简单的就是曲线拟合，时序分析。如下就是用RNN拟合的，可以自己尝试用RNN来拟合sin(x)。

另外还有结合CNN和LSTM生成图片描述，音乐合成，很多能玩的例子，而且玩着玩着就懂了。如果没有好奇心，那可能玩了之后还是不懂。反正我玩了之后，就会想：“tmd，怎么做到的？！”，然后就开始学习一个。

GAN

Generative Adversarial Networks算高级一点的内容，也是算简单的很有意思很有前途的一块，看字面意思就知道是生成模型。比其他生成模型VAE，RBM什么的简单多了，而且原理非常简单。总的来说就是一个生成网络，一个判别网络，目标是让生成网络生成判别网络无法区分是生成的还是真实的数据，这是个对抗（adversarial）的训练过程。应用于图片可能会有点问题，因此出了Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks（DCGAN），效果好很多，见github。

GAN比较简单，网上没有满意的代码，随便写个mnist的GAN代码，稍微能看到数字。

要玩还是试试DCGAN比较好，毕竟GAN有点不完善。生成数字可能不那么有冲击力，生成人脸够diǎo了吧，详见github。更有冲击力的是结合VAE和GAN的生成网络VAE/GAN。

其他

如reinforce learning, deep-Q 还没有接触。以后再谈。

略微高级

我只能说说我熟悉的deep learning的领域。

框架开发

在知道deep learning的基本知识之后就应该回馈社区。参与一些流行的年轻的框架的开发。如mxnet、keras和blocks。首先可以锻炼自己阅读代码和写代码的能力，还可以了解实现细节，这对以后实现自己的奇思妙想很有帮助。个人推荐keras，文档完善，社区广泛，同时支持theano和tensorflow。这里的关系是，theano和tensorflow是两种不同类型的砖头，而keras用这两种砖头做成一些通用的部件如墙壁地板对应于deep learning中的如MLP，LSTM网络等。搞deep learning，熟悉一种框架是必须的，可以的话，需要了解其他框架，毕竟要看源码。或者更形象一点，CUDA相当于汇编语言，theano和tensorflow是c语言，keras和blocks这些框架就像Python。

研究方向

deep learning里还有很多可研究的东西。我们不关注性能，毕竟这超出能力范围。我们可以想想deep learning能干嘛。机器翻译diǎo不diǎo，我一头就栽进去了，毫不犹豫，因为这个太tm有意义太tm有意思了。哥以后不用学外语，也能精通八国语言，想想就exciting。不像CNN，机器翻译的性能还没有那么好，始终缺少一点东西，等待开发，可以看看acl的tutorial。

生成模型也是非常热门的发展方向。最近出的Pixel Recurrent Neural Networks，DRAW都是很美妙的，可惜没有时间跟进。但了解一下还是可以的。

最后是大牛的最新研究进展，随时可以跟进。

总结

入门实在有点难以定义。我认为能自己写个网络就算入门了，所以要看教程、跑代码、看文档、看代码、改代码反复来。其中跑代码是稍微轻松一点，也能激发兴趣。要尝试简单的，慢慢就会复杂的了，想想现在看的英文文章也是从一个个单词积累的。
所以要尝试啊，别光看光点赞光收藏啊。

最后我们需要帮助：我们正在翻译deep learning这本书，直译版已全部翻完正在校正中，大概2周后公开。希望多多提提意见，帮忙修改修改，目前处于私密状态，在github上。

Generative Adversarial Networks

2016/10/062016/10/11 Sword York 评论

生成对抗网络(Generative Adversarial Networks)越来越火，最开始是用于MLP的生成对抗网络，就是Ian J. Goodfellow论文中提出的。后来出现了CNN架构的，效果确实提高了。现在还有SeqGAN，我不敢做评论。既然是Simplified DeepLearning系列的，自然尝试最简单的。

Generative Adversarial Networks原理

GAN的原理其实很简单。首先我们要学习的是生成器G关于数据x的分布 $p_g$ ，问题从哪生成呢，这就需要我们定义一个噪声先验 $p_z(z)$ ，如一个均匀分布。那么生成的样本就是G(z)。然后我们需要一个判别器D(y)，判断y是来自G还是x，也就是D要判断出输入是伪造的还是真实的。这就是一个对抗学习的过程：G尽量生成逼近真实的数据，使D不能分辨真伪。D要足够厉害，能够分辨真伪。形象的图如下：

形式的代价函数如下：

$\underset{G}{\min}~ \underset{D}{\max} ~V(D,G) = \mathbb{E}_{x \sim p_{data}(x)}[\log D(x)] +\mathbb{E}_{z \sim p_{z}(z)}[\log(1 - D(G(z)))]$

理解这个很重要，可以看看这个。这里其实是将两个loss拼起来了，而且省去了一部分。有了目标函数，训练则是交替的训练，论文中有详细描述。简单的说，就是一步固定G，训练D，然后固定D，训练G。作者提到，为了防止”the Helvetica scenario”，要训练D多步，然后训练G一步。

一维高斯分布

看一个简单的例子，也是论文中的例子，我觉得很多人没理解论文中那个用均匀分布生成高斯分布的例子。为了深刻理解，保证自己没有理解错误，我必须再现一下。网络结构很简单，没几行如下。

# simple mlp discriminator
discriminator = Sequential()
discriminator.add(Dense(mid_dim, input_dim=data_dim, activation='tanh'))
discriminator.add(Dense(mid_dim, activation='tanh'))
discriminator.add(Dense(1, activation='sigmoid'))

# simple mlp generator
generator = Sequential()
generator.add(Dense(mid_dim, input_dim=sample_dim, activation='tanh'))
generator.add(Dense(mid_dim, activation='tanh'))
generator.add(Dense(data_dim, activation='tanh'))
generator.add(Lambda(lambda x: x * 4 * sigma + mu)) # scale
sample_fake = K.function([generator.input], generator.output)


discriminator.trainable = False
generator.add(discriminator)

# training setting
opt_g = Adam(lr=.0001) 
generator.compile(loss='binary_crossentropy', optimizer=opt_g)
opt_d = Adam(lr=.0002)
discriminator.trainable = True
discriminator.compile(loss='binary_crossentropy', optimizer=opt_d)

# simple mlp discriminator

discriminator = Sequential()

discriminator.add(Dense(mid_dim, input_dim=data_dim, activation='tanh'))

discriminator.add(Dense(mid_dim, activation='tanh'))

discriminator.add(Dense(1, activation='sigmoid'))

# simple mlp generator

generator = Sequential()

generator.add(Dense(mid_dim, input_dim=sample_dim, activation='tanh'))

generator.add(Dense(mid_dim, activation='tanh'))

generator.add(Dense(data_dim, activation='tanh'))

generator.add(Lambda(lambda x: x * 4 * sigma + mu)) # scale

sample_fake = K.function([generator.input], generator.output)

discriminator.trainable = False

generator.add(discriminator)

# training setting

opt_g = Adam(lr=.0001)

generator.compile(loss='binary_crossentropy', optimizer=opt_g)

opt_d = Adam(lr=.0002)

discriminator.trainable = True

discriminator.compile(loss='binary_crossentropy', optimizer=opt_d)

然后就是训练，具体见github。怎么知道我是对的呢。可以看以下训练过程。

我还能说什么，完全符合理论 $D^*(y) = \frac{p_{data}(y)}{p_{data}(y) + p_{g}(y)}$ 以及最后 $D(y) = \frac{1}{2}$ 。在强调一下，这是一维的情况，也就是从真实数据给出一个数字和从G中生成一个数字如4，判别器无法判断4来自真实数据还是伪造的，因为这两个分布产生这个数字的概率是一样的，如最后一张图。如果真实数据产生4的概率大一点，判别器就能稍微判断一下，如最后第二张图。

MNIST测试

又得用到果蝇MNIST了，上面的例子太简单，可能不能令人信服。代码其实差不多，稍微加了个dropout，见github。训练中间结果如下，注意这是一张只循环一次的gif，你可能要刷新一下。

可能注意到怎么只生成两个数字，这就是所谓的”the Helvetica scenario”，我还不知道哪里出了问题。反正能生成数字了，够了。

实践出真知，show me the code!

国庆终于把坑填完了，DOTA还拿了暴走，完成了千年辅助的梦想！3天没出宿舍楼，欢度国庆，开心！

链接

神经网络近似函数

2016/10/012016/10/06 Sword York 1 条评论

神经网络的强大在于其能在有限区间内近似任意函数，更精确的说是MLP（多层感知机）是万能的函数近似机，证明由Cybenko给出。注意是在有限区间内，论文中也是在单位超立方体（the unit hypercube）内讨论。如果不是有限区间，可能得靠RNN，比如某些具有周期性质的函数，就能使用RNN近似。

MLP近似爱心函数

看到微博上推的使用MLP来近似函数的博文，我觉得少点东西，做点补充。第一步就挑一个有趣点的函数吧，随便挑个心形函数 $x^2+(y-\sqrt[3]{x^2})^2$ 。然后用keras很快就能搭个MLP，具体见github。

model = Sequential()
model.add(Dense(output_dim=64, input_dim=2))
model.add(Activation("tanh"))
model.add(Dense(output_dim=1))
model.compile(loss='mean_squared_error', optimizer=Adam())

model = Sequential()

model.add(Dense(output_dim=64, input_dim=2))

model.add(Activation("tanh"))

model.add(Dense(output_dim=1))

model.compile(loss='mean_squared_error', optimizer=Adam())

训练之后就能得到对这个函数的近似，画成图如下：

还有个哥们居然搞了个penis的函数，无法直视，有兴趣的可以尝试。

RNN近似周期函数

超出训练的范围，MLP的近似就无效了，想想也知道，泛化能力不可能那么强。而RNN在一定程度上可以弥补一下，最好是有点周期性的函数。为了简单起见，就先用 $\sin(x)$ 测试好了。同样用keras快速搭个RNN，具体见github。

feature_length = 32
seq_length = 80
interval = 0.1
# RNN model using LSTM
model = Sequential()
model.add(LSTM(256, return_sequences=True, input_dim=feature_length))
model.add(TimeDistributed(Dense(feature_length)))
#model.add(Activation('tanh'))
model.compile(loss='mean_squared_error', optimizer=Adam())

feature_length = 32

seq_length = 80

interval = 0.1

# RNN model using LSTM

model = Sequential()

model.add(LSTM(256, return_sequences=True, input_dim=feature_length))

model.add(TimeDistributed(Dense(feature_length)))

#model.add(Activation('tanh'))

model.compile(loss='mean_squared_error', optimizer=Adam())

关键是训练数据如何构造，也就是输入输出是怎样的。跟MLP不同，这里用函数值预测函数值，而不是输入 $x$ 。因为在如时间序列预测的情况下，输入 $x$ 是未知的，只能使用之前已知的函数值。我用相邻 feature_length个点组成一步的输入，总共 seq_length 步，其中每个点间隔 interval 。那预测就是后面的点，也可以只预测一个，我测试是预测 feature_length个，其中一半重合。比如0到32个点预测16到48个点（这样的做法似乎也能使用在MLP预测时间序列中，Quantitative Finance和论文）。说不清楚看下图或者看代码。

之后就是训练了， $\sin(x)$ 可以说是完美近似，后面因为累积误差导致不能近似的很好也是正常的。我又测试了 $\sin(x) * \sqrt[10]{x}$ ，有一个递增项，效果就没有 $\sin(x)$ 好了，但短期内效果还是好的。注意我画得图的区间不在测试区间内，也就是网络没看到过的数据，正因为RNN具有一定泛化能力才能有如此表现。

累积误差比较蛋疼，如下的情况，就算是测试数据的范围内也会有问题。可以用beamsearch，或者其他目标函数做，比如Q-learning。比较复杂，这里只讨论最简单的情况。

总结

MLP还是很厉害的，只要参数足够多，就能在一定区间内近似任意函数。而RNN相当于图灵机，之前也写过使用RNN做时间序列预测的博文，由于数据不能放出，所以也没有把代码放出。这次的代码与上次是类似的，改改也能试试做时间序列预测，就我的经验来看，没有传统方法好。