本章將介紹用于解決實際問題的深度學習架構(gòu)的不同模塊。前一章使用PyTorch的低級操作構(gòu)建了如網(wǎng)絡架構(gòu)、損失函數(shù)和優(yōu)化器這些模塊。本章將介紹用于解決真實問題的神經(jīng)網(wǎng)絡的一些重要組件，以及PyTorch如何通過提供大量高級函數(shù)來抽象出復雜度。本章還將介紹用于解決真實問題的算法，如回歸、二分類、多類別分類等。
本章將討論如下主題：
?詳解神經(jīng)網(wǎng)絡的不同構(gòu)成組件；
?探究PyTorch中用于構(gòu)建深度學習架構(gòu)的高級功能；
?應用深度學習解決實際的圖像分類問題。
3.1詳解神經(jīng)網(wǎng)絡的組成部分
上一章已經(jīng)介紹了訓練深度學習算法需要的幾個步驟。
1．構(gòu)建數(shù)據(jù)管道。
2．構(gòu)建網(wǎng)絡架構(gòu)。
3．使用損失函數(shù)評估架構(gòu)。
4．使用優(yōu)化算法優(yōu)化網(wǎng)絡架構(gòu)的權(quán)重。
上一章中的網(wǎng)絡由使用PyTorch數(shù)值運算構(gòu)建的簡單線性模型組成。盡管使用數(shù)值運算為玩具性質(zhì)的問題搭建神經(jīng)架構(gòu)很簡單，但當需要構(gòu)建解決不同領域的復雜問題時，如計算機視覺和自然語言處理，構(gòu)建一個架構(gòu)就迅速變得復雜起來。大多數(shù)深度學習框架，如PyTorch、TensorFlow和Apache MXNet，都提供了抽象出很多復雜度的高級功能。這些深度學習框架的高級功能稱為層（layer）。它們接收輸入數(shù)據(jù)，進行如同在前面一章看到的各種變換，并輸出數(shù)據(jù)。解決真實問題的深度學習架構(gòu)通常由1~150個層組成，有時甚至更多。抽象出低層的運算并訓練深度學習算法的過程如圖3.1所示。

圖3.1
3.1.1層——神經(jīng)網(wǎng)絡的基本組成
在本章的剩余部分，我們會見到各種不同類型的層。首先，先了解其中最重要的一種層：線性層，它就是我們前面講過的網(wǎng)絡層結(jié)構(gòu)。線性層應用了線性變換：
Y=Wx+b
線性層之所以強大，是因為前一章所講的功能都可以寫成單一的代碼行，如下所示。
上述代碼中的myLayer層，接受大小為10的張量作為輸入，并在應用線性變換后輸出一個大小為5的張量。下面是一個簡單例子的實現(xiàn)：
可以使用屬性weights和bias訪問層的可訓練參數(shù)：
線性層在不同的框架中使用的名稱有所不同，有的稱為dense層，有的稱為全連接層（fully connected layer）。用于解決真實問題的深度學習架構(gòu)通常包含不止一個層。在PyTorch中，可以用多種方式實現(xiàn)。
一個簡單的方法是把一層的輸出傳入給另一層：
每一層都有自己的學習參數(shù)，在多個層的架構(gòu)中，每層都學習出它本層一定的模式，其后的層將基于前一層學習出的模式構(gòu)建。把線性層簡單堆疊在一起是有問題的，因為它們不能學習到簡單線性表示以外的新東西。我們通過一個簡單的例子看一下，為什么把線性層堆疊在一起的做法并不合理。
假設有具有如下權(quán)重的兩個線性層：
層 權(quán)重
Layer1 3.0
Layer2 2.0
以上包含兩個不同層的架構(gòu)可以簡單表示為帶有另一不同層的單層。因此，只是堆疊多個線性層并不能幫助我們的算法學習任何新東西。有時，這可能不太容易理解，我們可以用下面的數(shù)學公式對架構(gòu)進行可視化：
Y= 2(3X1) -2Linear layers
Y= 6(X1) -1Linear layers
為解決這一問題，相較于只是專注于線性關(guān)系，我們可以使用不同的非線性函數(shù)，幫助學習不同的關(guān)系。
深度學習中有很多不同的非線性函數(shù)。PyTorch以層的形式提供了這些非線性功能，因為可以采用線性層中相同的方式使用它們。
一些流行的非線性函數(shù)如下所示：
?sigmoid
?tanh
?ReLU
?Leaky ReLU
3.1.2非線性激活函數(shù)
非線性激活函數(shù)是獲取輸入，并對其應用數(shù)學變換從而生成輸出的函數(shù)。我們在實戰(zhàn)中可能遇到數(shù)個非線性操作。下面會講解其中幾個常用的非線性激活函數(shù)。
1．sigmoid
sigmoid激活函數(shù)的數(shù)學定義很簡單，如下：

簡單來說，sigmoid函數(shù)以實數(shù)作為輸入，并以一個0到1之間的數(shù)值作為輸出。對于一個極大的負值，它返回的值接近于0，而對于一個極大的正值，它返回的值接近于1。圖3.2所示為sigmoid函數(shù)不同的輸出。

圖3.2
sigmoid函數(shù)曾一度被不同的架構(gòu)使用，但由于存在一個主要弊端，因此最近已經(jīng)不太常用了。當sigmoid函數(shù)的輸出值接近于0或1時，sigmoid函數(shù)前一層的梯度接近于0，由于前一層的學習參數(shù)的梯度接近于0，使得權(quán)重不能經(jīng)常調(diào)整，從而產(chǎn)生了無效神經(jīng)元。
2．tanh
非線性函數(shù)tanh將實數(shù)值輸出為-1到1之間的值。當tanh的輸出極值接近-1和1時，也面臨梯度飽和的問題。不過，因為tanh的輸出是以0為中心的，所以比sigmoid更受偏愛，如圖3.3所示。

圖3.3
3．ReLU
近年來ReLU變得很受歡迎，我們幾乎可以在任意的現(xiàn)代架構(gòu)中找到ReLU或其某一變體的身影。它的數(shù)學公式很簡單：
f(x)=max(0,x)
簡單來說，ReLU把所有負值取作0，正值保持不變?？梢詫eLU函數(shù)進行可視化，如圖3.4所示。

圖3.4
使用ReLU函數(shù)的一些好處和弊端如下。
?有助于優(yōu)化器更快地找到正確的權(quán)重集合。從技術(shù)上講，它使隨機梯度下降收斂得更快。
?計算成本低，因為只是判斷了閾值，并未計算任何類似于sigmoid或tangent函數(shù)計算的內(nèi)容。
?ReLU有一個缺點，即當一個很大的梯度進行反向傳播時，流經(jīng)的神經(jīng)元經(jīng)常會變得無效，這些神經(jīng)元稱為無效神經(jīng)元，可以通過謹慎選擇學習率來控制。我們將在第4章中討論調(diào)整學習率的不同方式時，了解如何選擇學習率。
4．Leaky ReLU
Leaky ReLU嘗試解決一個問題死角，它不再將飽和度置為0，而是設為一個非常小的數(shù)值，如0.001。對某些用例，這一激活函數(shù)提供了相較于其他激活函數(shù)更優(yōu)異的性能，但它不是連續(xù)的。

審核編輯 黃昊宇