当前位置：首页 > news >正文

反向传播（Back Propagation，简称BP）

news 2024/9/27 5:51:56

反向传播算法是用于训练神经网络的核心算法之一，它通过计算损失函数（如均方误差或交叉熵）相对于每个权重参数的梯度，来优化神经网络的权重。

1.前向传播（Forward Propagation）

步骤

输入层：接收输入数据。
隐藏层：对输入数据进行加权求和，并通过激活函数得到输出。
输出层：将隐藏层的输出再次加权求和，并通过激活函数得到最终输出。

代码

import torch
import torch.nn as nnclass Net(nn.Module):def __init__(self):super(Net, self).__init__()# 定义一个conv1的卷积层 1 input image channel, 6 output channels, 3x3 square convolution kernelself.conv1 = nn.Conv2d(1, 6, 3)def forward(self, x):#在前向传播过程中使用conv1卷积层x=self.conv1(x)return xnet=Net()input_tensor=torch.randn(1,1,32,32)
output_tensor=net(input_tensor)
print(output_tensor.size())
#torch.Size([1, 6, 30, 30])

前向传播主要用于神经网络的预测阶段

作用

计算神经网络的输出结果，用于预测或计算损失。
在反向传播中使用，通过计算损失函数相对于每个参数的梯度来优化网络。

2.BP基础之梯度下降算法

梯度下降算法的目标是找到使损失函数 $L(\theta)$ 最小的参数 $\theta$ ，其核心是沿着损失函数梯度的负方向更新参数，以逐步逼近局部或全局最优解，从而使模型更好地拟合训练数据。

公式

$w_{ij}^{new}= w_{ij}^{old} - \alpha \frac{\partial E}{\partial w_{ij}}$

其中， $\alpha$ 是学习率：

学习率是梯度下降算法中一个重要的参数，决定目标函数能否收敛到局部最小值，以及何时收敛到最小值。

学习率太小，每次训练之后的效果太小，增加时间和算力成本。
学习率太大，大概率会跳过最优解，进入无限的训练和震荡中。
解决的方法就是，学习率也需要随着训练的进行而变化。

过程

第一步初始化参数

第二步计算梯度

第三步更新参数

第四步迭代更新

传统下降方式

批量梯度下降Batch Gradient Descent ,BGD

特点：
- 每次更新参数时，使用整个训练集来计算梯度。
优点：
- 收敛稳定，能准确地沿着损失函数的真实梯度方向下降。
- 适用于小型数据集。
缺点：
- 对于大型数据集，计算量巨大，更新速度慢。
- 需要大量内存来存储整个数据集。
公式：

$\theta := \theta - \alpha \frac{1}{m} \sum_{i=1}^{m} \nabla_\theta L(\theta; x^{(i)}, y^{(i)})$

其中，m是训练集样本总数， $x^{(i)}, y^{(i)}$ 是第 i 个样本及其标签

随机梯度下降Stochastic Gradient Descent, SGD

可降低每次迭代时的计算代价

特点：
- 每次更新参数时，仅使用一个样本来计算梯度。
优点：
- 更新频率高，计算快，适合大规模数据集。
- 能够跳出局部最小值，有助于找到全局最优解。
缺点：
- 收敛不稳定，容易震荡，因为每个样本的梯度可能都不完全代表整体方向。
- 需要较小的学习率来缓解震荡。
公式：

$\theta := \theta - \alpha \nabla_\theta L(\theta; x^{(i)}, y^{(i)})$

其中， $x^{(i)}, y^{(i)}$ 是当前随机抽取的样本及其标签。

小批量梯度下降Mini-batch Gradient Descent ,MGBD

在每轮迭代中，随机均匀采样多个样本组成一个小批量，然后使用这个小批量来计算梯度。

特点：
- 每次更新参数时，使用一小部分训练集（小批量）来计算梯度。
优点：
- 在计算效率和收敛稳定性之间取得平衡。
- 能够利用向量化加速计算，适合现代硬件（如GPU）。
缺点：
- 选择适当的批量大小比较困难；批量太小则接近SGD，批量太大则接近批量梯度下降。
- 通常会根据硬件算力设置为32\64\128\256等2的次方。
公式：

$\theta := \theta - \alpha \frac{1}{b} \sum_{i=1}^{b} \nabla_\theta L(\theta; x^{(i)}, y^{(i)})$

其中，b是小批量的样本数量，也就是 $batch\_size$ 。

影响小梯度批量下降法的主要因素：

梯度估计

批量大小

$v_t = \beta v_{t-1} + (1 - \beta) x_t$ $\alpha$

优化下降方式

指数加权平均

Exponential Moving Average，简称EMA，是一种平滑时间序列数据的技术，它通过对过去的值赋予不同的权重来计算平均值。

t=1 : $v_0 = x_0$

t>1 : $v_t = \beta v_{t-1} + (1 - \beta) x_t$

import numpy as np
import matplotlib.pyplot as pltdef test():#生成模拟的股市数据np.random.seed(0)days=30#模拟股价的走势randprice=np.random.randn(days)stock_prices=np.cumsum(randprice*2+0.5)+100#cumsum:用于计算张量中元素的累积和（cumulative sum）的函数#计算SMA-简单移动平均window_size=5print(np.ones(window_size) / window_size)simple_moving_avg = np.convolve(stock_prices, np.ones(window_size) / window_size, mode="valid")print(stock_prices)print(simple_moving_avg)"""
np.ones(window_size) / window_size：
np.ones(window_size)生成一个长度为window_size的一维数组，其中所有元素都是1。
/ window_size则将这个数组中的每个元素都除以window_size，这样就得到了一个长度为window_size的数组，其中每个元素都是1/window_size。这个数组可以看作是一个简单的权重向量，表示每个数据点在计算移动平均时所占的比例。np.convolve(stock_prices, np.ones(window_size) / window_size, mode="valid")：
np.convolve函数执行卷积操作。在这个上下文中，它实际上是在计算滑动窗口内的平均值。
第一个参数stock_prices是一个包含了股票价格的时间序列。
第二个参数就是之前创建的权重向量np.ones(window_size) / window_size。
mode="valid"指定只计算那些完全重叠的部分。这意味着对于长度为n的价格序列和长度为m的权重向量，输出序列的长度将是n-m+1。由于我们关心的是完整的窗口，所以使用“valid”模式来确保每个平均值都是基于完整窗口计算得出的。最终的结果simple_moving_avg就是一个数组，其中包含了通过上述方式计算出的移动平均值。每个值都是连续window_size个股票价格的平均值，从而平滑了原始价格序列并帮助识别趋势。"""#计算EMAbeta=0.9ema=np.zeros_like(stock_prices)ema[0]=stock_prices[0]for i in range(1,days):ema[i]=beta*ema[i-1]+(1-beta)*stock_prices[i]# 定义窗口大小plt.figure(figsize=(8,6))# 绘制股市数据、简单移动平均值和指数加权平均值的走势plt.plot(stock_prices,label='stock price',color='b',marker='o')    plt.plot(range(window_size - 1, days),simple_moving_avg,label=f"SMA (N = {window_size})",color="orange",marker="x",)"""
range(window_size - 1, days)：这里创建了一个范围列表，从window_size - 1开始，一直到days结束（不包括days）。这是因为简单移动平均线需要至少window_size个数据点才能开始计算，所以第一个点是在第window_size天，因此索引是从window_size - 1开始的。days可能代表总的天数或者数据点的数量。simple_moving_avg：这是包含简单移动平均值的数组或序列，与上面的range对应，用于标记图表上的Y轴值。label=f"SMA (N = {window_size})"：这个参数设置了图例的标签文本。在这里，SMA代表简单移动平均，N代表窗口大小window_size，这通常是指用来计算移动平均的数据点数量。marker="x"：设置标记样式为"x"。当数据点在图表上被标记出来时，它们将以"x"的形式出现。
整个代码块的作用是画出一条基于给定窗口大小计算得到的简单移动平均线"""plt.plot(ema,label=f'EMA=(beta={beta})',color='r',marker='x')plt.title("Stock Price Trends")plt.xlabel("Days")plt.ylabel("Price")plt.legend()#显示图例plt.show()#显示图表if __name__=="__main__":test()

Momentum

动量（Momentum）是对梯度下降的优化方法，可以更好地应对梯度变化和梯度消失问题，从而提高训练模型的效率和稳定性。

参数更新时在一定程度上保留之前更新的方向，同时又利用当前batch的梯度微调最终的更新方向，简言之就是通过积累之前的动量来加速当前的梯度。

Momentum 算法是对梯度值的平滑调整，但是并没有对梯度下降中的学习率进行优化。

惯性效应： 该方法加入前面梯度的累积，这种惯性使得算法沿着当前的方向继续更新。如遇到鞍点，也不会因梯度逼近零而停滞。
减少震荡： 该方法平滑了梯度更新，减少在鞍点附近的震荡，帮助优化过程稳定向前推进。
加速收敛： 该方法在优化过程中持续沿着某个方向前进，能够更快地穿越鞍点区域，避免在鞍点附近长时间停留。

梯度更新算法包括两个步骤 :

更新动量项:利用当前梯度和历史动量来计算新的动量项。beta通常=0.9

$v_{t} = \beta v_{t-1} + (1 - \beta) \nabla_\theta J(\theta_t)$

更新参数:利用更新后的动量项来调整权重参数。

$v_{t}=\beta v_{t-1}+(1-\beta)\nabla_\theta J(\theta_t) \\ \theta_{t}=\theta_{t-1}-\eta v_{t}$

梯度计算：在每个时间步计算当前的梯度，用于更新动量项和权重参数。

AdaGrad

在标准的梯度下降中，每个参数每次迭代时都使用相同的学习率。由于每个参数的维度上收敛速度都不同，因此根据不同参数的收敛情况分别设置学习率。

AdaGrad（Adaptive Gradient）算法每次迭代时根据每个参数的梯度值，自适应地调整每个参数的学习率，从而避免全局学习率难以适应所有维度的问题。

AdaGrad算法中，若某个参数的偏导数累乘积比较大，其学习率相对较小；相反，如果其偏导数累乘积较小，其学习率相对较大。但整体随着迭代次数的增加，学习率逐渐缩小。

优点:可以防止梯度过大导致的震荡、适合稀疏数据

缺点：学习率过度衰减、你适合非稀疏数据

AdaGrad过程：

1.初始化

初始化参数 $\theta$ 和学习率 $\eta$

2.梯度计算

$g_t = \nabla_\theta J(\theta_t)$

3.累积梯度的平方

$G_{t,i} = G_{t-1,i} + g_{t,i}^2$

4.参数更新

$\theta_{t,i} = \theta_{t-1,i} - \frac{\eta}{\sqrt{G_{t,i} + \epsilon}} g_{t,i}$

$\eta$ 是全局的初始学习率

$\epsilon$ 非常小，通常取 $10^{-8}$

RMSProp

可以在有些情况下避免AdaGrad算法中学习率不断单调下降从而过早衰减的缺点。

RMSprop算法计算每次迭代梯度平方的指数衰减移动平均

RMSprop算法和AdaGrad算法的区别在于Gt的计算由累积方式变成了指数衰减移动平均。在迭代过程中，每个参数的学习率并不是呈衰减趋势，既可以变小也可以变大。

过程：

1.初始化

2.梯度计算

3.更新梯度平方的指数加权平均

4.参数更新

优点

适应性强：RMSProp自适应调整每个参数的学习率，对于梯度变化较大的情况非常有效，使得优化过程更加平稳。
适合非稀疏数据：相比于AdaGrad，RMSProp更加适合处理非稀疏数据，因为它不会让学习率减小到几乎为零。
解决过度衰减问题：通过引入指数加权平均，RMSProp避免了AdaGrad中学习率过快衰减的问题，保持了学习率的稳定性

缺点

依赖于超参数的选择

Adam

Adam算法可以看做动量法和RMSprop算法的结合，不但使用动量作为参数更新方向，而且可以自适应调整学习率。

Adam（Adaptive Moment Estimation）算法将动量法和RMSProp的优点结合在一起：

动量法：通过一阶动量（即梯度的指数加权平均）来加速收敛，尤其是在有噪声或梯度稀疏的情况下。
RMSProp：通过二阶动量（即梯度平方的指数加权平均）来调整学习率，使得每个参数的学习率适应其梯度的变化。

Adam过程

1.初始化

2.梯度计算

3.一阶动量估计-梯度的指数加权平均

4.二阶动量估计-梯度平方的指数加权平均

5.偏差校正

6.参数更新

优点：高效稳健避免全局学习率设定不合适的问题适用各种深度学习模型

缺点：超参数敏感过拟合风险

3.BP基础之链式法则

链式求导法则（Chain Rule）是微积分中的一个重要法则，用于求复合函数的导数。在深度学习中，链式法则是反向传播算法的基础，这样就可以通过分层的计算求得损失函数相对于每个参数的梯度。

import torch
import torch.nn as nndef test():x=torch.tensor(1.0)w=torch.tensor(0.5,requires_grad=True)b=torch.tensor(0.5,requires_grad=True)y=(torch.exp(-(w*x+b))+1)**-1y.backward()print(w.grad)#tensor(0.1966)if __name__=="__main__":test()

4.反向传播

反向传播（BP）通过计算损失函数相对于每个参数的梯度来调整权重，使模型在训练数据上的表现逐渐优化。反向传播结合了链式求导法则和梯度下降算法，是神经网络模型训练过程中更新参数的关键步骤。

为了训练神经网络，首先要将权重随机初始化一个接近0的，范围在[-ε,ε]之间的数，然后进行反向传播，再进行梯度检验，最后使用梯度下降，或者其它高级优化算法来最小化代价函数J。

步骤

前向传播：得到预测值。
计算损失：通过损失函数$$ L(y{\text{pred}}, y{\text{true}}) $$ 计算预测值和真实值的差距。
梯度计算：反向传播的核心是计算损失函数 $$L$$ 对每个权重和偏置的梯度。
更新参数：一旦得到每层梯度，就可以使用梯度下降算法来更新每层的权重和偏置，使得损失逐渐减小。
迭代训练：将前向传播、梯度计算、参数更新的步骤重复多次，直到损失函数收敛或达到预定的停止条件。

代码实现

import torch
import torch.nn as nn
import torch.optim as optim class Net(nn.Module):def __init__(self):super(Net, self).__init__()self.linear1 = nn.Linear(2, 2)  # 输入2个特征，输出2个特征self.linear2 = nn.Linear(2, 1)  # 输入2个特征，输出1个特征# 正确的权重和偏置初始化self.linear1.weight.data = torch.tensor([[1.0, 2.0], [0.0, 1.0]])self.linear1.bias.data = torch.tensor([0.0, 0.0])self.linear2.weight.data = torch.tensor([[3.0]])self.linear2.bias.data = torch.tensor([0.0])def forward(self, x):x = self.linear1(x)x = torch.sigmoid(x)x = self.linear2(x)x = torch.sigmoid(x)return xif __name__ == '__main__':# 输入张量形状为(1, 2)inputs = torch.tensor([[0.1, 0.8]])# 目标张量形状为(1, 1)target = torch.tensor([[0.5]])net = Net()output = net(inputs)# 计算损失loss = torch.sum((output - target)**2) / 2# 定义优化器optimizer = optim.SGD(net.parameters(), lr=0.01)# 梯度清零optimizer.zero_grad()# 反向传播loss.backward()# 打印梯度print("Linear1 weight gradient before update:")print(net.linear1.weight.grad.data)print("Linear2 weight gradient before update:")print(net.linear2.weight.grad.data)# 更新参数optimizer.step()# 打印更新后的网络参数print("Updated network parameters:")print(net.state_dict())

没找到这块代码哪里出错了但是运行不出来。

查看全文

http://www.mrgr.cn/news/28766.html