终于有了2个月的空闲时间，给自己消化沉淀，希望别有太多的杂事打扰。在很多课程中，我都学过卷积、池化、dropout等基本内容，但目前在脑海中还都是零散的概念，缺乏整体性框架，本系列博客就希望进行一定的归纳和梳理，谋求一个更清晰的思路。
## Outline
## Notes
【卷积(Convolution)】
卷积的目的就是从原始数据中提取出特征，过程是利用卷积核(kernel)按照下面动图的规则进行计算(做点乘)，得到的结果称为卷积特征（Convolved Feature）。其中卷积核又叫过滤器(Filter)，他是一个W核矩阵，而W矩阵中各个元素的值正是我们进行模型训练时要训练的参数。即CNN的一个主要任务就是学习出卷积核。
很有趣的是，一个卷积核往往只对图中的某一特征感兴趣（如边缘信息、斜线、特定颜色等等），下图就展示了经过不同的kernel处理后得到的特征图。而在我们实际分析时，往往要综合很多内容，这就需要多个卷积核同时工作，如下图动图所示，就是在处理实际问题时的一个例子。
值得注意的是，我们在上述分析时使用的都是黑白图像，其对应的卷积核都是二维的。而对于彩色图像，这个图像的数据往往是一个三维的数组(每个像素对应有RGB三个颜色通道)，这个时候对应的卷积核就也是三维的了，对于更高维的数据，卷积核的维度也相应地改变。下图来自cs231n课程，展示的就是这样的过程：
我们可以看到，在这个例子中:
- Input size：输入图片的大小为 5*5*3
- Filter size：使用了W0、W1两个filter,大小均为3*3*3
- Stride：卷积时的步长为2
- padding：填充大小为1
根据上述的公式，我们可以计算出特征图的大小为3.
值得注意的是：
- 左边数据在变化，每次滤波器都是针对某一局部的数据窗口进行卷积，这就是所谓的CNN中的局部感知机制。
- 数据窗口滑动，导致输入在变化，但中间滤波器Filter w0的权重（即每个神经元连接数据窗口的权重）是固定不变的，这个权重不变即所谓的CNN中的权重共享机制。
【tensorflow-conv】
tf.nn.conv2d(input,filter, strides, padding, data_format=’NHWC’)
- input: 4-D 的Tensor, 每个dimension的意思由data_format指定，默认是[batch, Height, Width, Channel]。
- batchsize 表示样本数量。
- Height/Width是图片的高度/宽度
- Channel是深度，即决定了图片是灰度图还是彩色图。若是灰度图则为1，若是彩色图则为3。
- filter: 这个filter也是一个4-D的Tensor，每个dimension分别表示 [filter_height, filter_width, in_channels, out_channels]。
- 通常地称[filter_height, filter_width, in_channels]为单个filter的size，而且filter_height, filter_width一般为奇数并且相等。
- in_channel必须跟input参数中的Channel相等，卷积运算时，从input中取一个大小为[filter_height, filter_width, in_channels]的slice window跟 单个filter做卷积运算。
- out_channels表示有多少个这样的filter。因为filter一般用于特征的抽取，所以out_channels决定了卷积层最终输出的channel（depth)。
- strides: 4-D的Tensor, 表示在对input做卷积运算时，在每个dimension上的步长。
- 跟input参数一样，每个dimension的顺序由data_format决定。
- 通常地在Height, Width上步长为1或者2，而batch, Channel的步长设置为1。
- padding: “SAME” 或者 “Valid”。
- Same表示边缘自动补零，卷积层的输出的height/width 跟input层的height/width相同。
- Valid表示no padding,不自动填充，输出层的公式为 (height−filter_heigth)/stride_height+1 (width也是一样）。
weights = {
'wc1': tf.Variable(tf.random_normal([3,3,1,64],stddev = 0.1))
}
_input = tf.reshape(input,shape = [-1,28,28,1])
_conv1 = tf.nn.con2v(_input , w['wc1'],strides = [1,1,1,1],padding='Same')
【池化(Pooling)】
池化操作(pooling)的本质就是采样，可以采取的操作有：最大化、平均化、加和等。最常用并且被证明效果很好的池化操作为最大池化。
所谓最大池化就是，我们定义一个空间临域(比如一个2X2的窗口)，并从窗口内的特征图中取出最大的元素。
池化的意义如下：
- 有效地减少参数但又能保留主要特征
- 有效的防止过拟合(使得卷积核偏好的特征得到保留和增强，削弱其他干扰)
- 发挥特征图的“不变性”(invariance)，特征的平移、旋转、尺寸变化对网络的影响可以得到一定程度上的缓解
tf.nn.max_pool(value, ksize = [1,f,f,1], strides = [1,s,s,1], padding = ‘SAME’, data_format=’NHWC’)
- value: 4-D的tensor, 一般地就是上面conv2d的输出，所以输入通常是feature map，依然是
[batch, height, width, channels]这样的shape； - ksize: 定义了池化窗口的大小，取一个四维向量，一般是
[1, height, width, 1]，因为我们不想在batch和channels上做池化，所以这两个维度设为了1； - strides：和卷积类似，窗口在每一个维度上滑动的步长，一般也是
[1, stride,stride, 1] - padding：和卷积类似，可以取'VALID' 或者'SAME'
input = tf.reshape(input,[1,4,4,2]) pooling=tf.nn.max_pool(input,[1,2,2,1],[1,2,2,1],padding='VALID')
反向传播是在求解损失函数L对参数w求导时候用到的方法，目的是通过链式法则对参数进行一层一层的求导，进而实现对 W 的更新。下面是简单的BP算法的大致过程，但很难理解，建议先看连接中的内容再回过头来看这个总结。
- 首先前向传导计算出所有节点的激活值和输出值，
- 计算整体损失函数：
- 然后针对第L层的每个节点计算出残差（这里是因为UFLDL中说的是残差，本质就是整体损失函数对每一层激活值Z的导数），所以要对W求导只要再乘上激活函数对W的导数即可
有一个博客很好的总结了相关的内容：https://blog.csdn.net/u014688145/article/details/78691262
- （基本概念）靠近输入的神经元会比靠近输出的神经元的梯度成指数级衰减。总的来说，就是在这个深度网络中，梯度相当不稳定(unstable)。
-
靠近输出层的hidden layer 梯度大，参数更新快，所以很快就会收敛；而靠近输入层的hidden layer 梯度小，参数更新慢，几乎就和初始状态一样，随机分布。这种现象就是梯度弥散（vanishing gradient problem）。
-
而在另一种情况中，前面layer的梯度通过训练变大，而后面layer的梯度指数级增大，这种现象又叫做梯度爆炸(exploding gradient problem)。
-
- （问题一）sigmoid时，消失和爆炸哪个更易发生？
- 最普遍发生的是梯度消失问题。
- 量化分析梯度爆炸出现时a的输出范围：因为sigmoid导数最大为1/4，故只有当abs(w)>4时才可能出现。由此计算出a的数值变化范围很小，仅仅在此窄范围内会出现梯度爆炸问题。
- （问题二）如何解决梯度消失和梯度爆炸？
- 梯度消失：使用ReLU,maxout等替代sigmoid。
- 梯度爆炸：使用Gradient Clipping(梯度裁剪)。通过Gradient Clipping，将梯度约束在一个范围内，这样不会使得梯度过大。
- （问题三）为何用Relu好使？即Relu和sigmoid区别：
- sigmoid函数值在[0,1],ReLU函数值在[0,+无穷]，所以sigmoid函数可以描述概率，ReLU适合用来描述实数；
- sigmoid函数的梯度随着x的增大或减小和消失，而ReLU不会。