# 3.8 多層感知機
我們已經介紹了包括線性回歸和softmax回歸在內的單層神經網絡。然而深度學習主要關注多層模型。在本節中,我們將以多層感知機(multilayer perceptron,MLP)為例,介紹多層神經網絡的概念。
## 3.8.1 隱藏層
多層感知機在單層神經網絡的基礎上引入了一到多個隱藏層(hidden layer)。隱藏層位于輸入層和輸出層之間。圖3.3展示了一個多層感知機的神經網絡圖,它含有一個隱藏層,該層中有5個隱藏單元。
:-: 
<div align=center> 圖3.3 帶有隱藏層的多層感知機</div>
在圖3.3所示的多層感知機中,輸入和輸出個數分別為4和3,中間的隱藏層中包含了5個隱藏單元(hidden unit)。由于輸入層不涉及計算,圖3.3中的多層感知機的層數為2。由圖3.3可見,隱藏層中的神經元和輸入層中各個輸入完全連接,輸出層中的神經元和隱藏層中的各個神經元也完全連接。因此,多層感知機中的隱藏層和輸出層都是全連接層。
具體來說,給定一個小批量樣本`$ \boldsymbol{X} \in \mathbb{R}^{n \times d} $`,其批量大小為`$ n $`,輸入個數為`$ d $`。假設多層感知機只有一個隱藏層,其中隱藏單元個數為`$ h $`。記隱藏層的輸出(也稱為隱藏層變量或隱藏變量)為`$ \boldsymbol{H} $`,有`$ \boldsymbol{H} \in \mathbb{R}^{n \times h} $`。因為隱藏層和輸出層均是全連接層,可以設隱藏層的權重參數和偏差參數分別為`$ \boldsymbol{W}_h \in \mathbb{R}^{d \times h} $`和 `$ \boldsymbol{b}_h \in \mathbb{R}^{1 \times h} $`,輸出層的權重和偏差參數分別為`$ \boldsymbol{W}_o \in \mathbb{R}^{h \times q} $`和`$ \boldsymbol{b}_o \in \mathbb{R}^{1 \times q} $`。
我們先來看一種含單隱藏層的多層感知機的設計。其輸出`$ \boldsymbol{O} \in \mathbb{R}^{n \times q} $`的計算為
```[tex]
\begin{aligned}
\boldsymbol{H} &= \boldsymbol{X} \boldsymbol{W}_h + \boldsymbol{b}_h,\\
\boldsymbol{O} &= \boldsymbol{H} \boldsymbol{W}_o + \boldsymbol{b}_o,
\end{aligned}
```
也就是將隱藏層的輸出直接作為輸出層的輸入。如果將以上兩個式子聯立起來,可以得到
```[tex]
\boldsymbol{O} = (\boldsymbol{X} \boldsymbol{W}_h + \boldsymbol{b}_h)\boldsymbol{W}_o + \boldsymbol{b}_o = \boldsymbol{X} \boldsymbol{W}_h\boldsymbol{W}_o + \boldsymbol{b}_h \boldsymbol{W}_o + \boldsymbol{b}_o.
```
從聯立后的式子可以看出,雖然神經網絡引入了隱藏層,卻依然等價于一個單層神經網絡:其中輸出層權重參數為`$ \boldsymbol{W}_h\boldsymbol{W}_o $`,偏差參數為`$ \boldsymbol{b}_h \boldsymbol{W}_o + \boldsymbol{b}_o $`。不難發現,即便再添加更多的隱藏層,以上設計依然只能與僅含輸出層的單層神經網絡等價。
## 3.8.2 激活函數
上述問題的根源在于全連接層只是對數據做仿射變換(affine transformation),而多個仿射變換的疊加仍然是一個仿射變換。解決問題的一個方法是引入非線性變換,例如對隱藏變量使用按元素運算的非線性函數進行變換,然后再作為下一個全連接層的輸入。這個非線性函數被稱為激活函數(activation function)。下面我們介紹幾個常用的激活函數。
### 3.8.2.1 ReLU函數
ReLU(rectified linear unit)函數提供了一個很簡單的非線性變換。給定元素 `$ x $`,該函數定義為
```[tex]
\text{ReLU}(x) = \max(x, 0).
```
可以看出,ReLU函數只保留正數元素,并將負數元素清零。為了直觀地觀察這一非線性變換,我們先定義一個繪圖函數`xyplot`。
``` python
%matplotlib inline
import torch
import numpy as np
import matplotlib.pylab as plt
import sys
sys.path.append("..")
import d2lzh_pytorch as d2l
def xyplot(x_vals, y_vals, name):
d2l.set_figsize(figsize=(5, 2.5))
d2l.plt.plot(x_vals.detach().numpy(), y_vals.detach().numpy())
d2l.plt.xlabel('x')
d2l.plt.ylabel(name + '(x)')
```
我們接下來通過`NDArray`提供的`relu`函數來繪制ReLU函數。可以看到,該激活函數是一個兩段線性函數。
``` python
x = torch.arange(-8.0, 8.0, 0.1, requires_grad=True)
y = x.relu()
xyplot(x, y, 'relu')
```
:-: 
顯然,當輸入為負數時,ReLU函數的導數為0;當輸入為正數時,ReLU函數的導數為1。盡管輸入為0時ReLU函數不可導,但是我們可以取此處的導數為0。下面繪制ReLU函數的導數。
``` python
y.sum().backward()
xyplot(x, x.grad, 'grad of relu')
```
:-: 
### 3.8.2.2 sigmoid函數
sigmoid函數可以將元素的值變換到0和1之間:
```[tex]
\text{sigmoid}(x) = \frac{1}{1 + \exp(-x)}.
```
sigmoid函數在早期的神經網絡中較為普遍,但它目前逐漸被更簡單的ReLU函數取代。在后面“循環神經網絡”一章中我們會介紹如何利用它值域在0到1之間這一特性來控制信息在神經網絡中的流動。下面繪制了sigmoid函數。當輸入接近0時,sigmoid函數接近線性變換。
``` python
y = x.sigmoid()
xyplot(x, y, 'sigmoid')
```
:-: 
依據鏈式法則,sigmoid函數的導數
```[tex]
\text{sigmoid}'(x) = \text{sigmoid}(x)\left(1-\text{sigmoid}(x)\right).
```
下面繪制了sigmoid函數的導數。當輸入為0時,sigmoid函數的導數達到最大值0.25;當輸入越偏離0時,sigmoid函數的導數越接近0。
``` python
x.grad.zero_()
y.sum().backward()
xyplot(x, x.grad, 'grad of sigmoid')
```
:-: 
### 3.8.2.3 tanh函數
tanh(雙曲正切)函數可以將元素的值變換到-1和1之間:
```[tex]
\text{tanh}(x) = \frac{1 - \exp(-2x)}{1 + \exp(-2x)}.
```
我們接著繪制tanh函數。當輸入接近0時,tanh函數接近線性變換。雖然該函數的形狀和sigmoid函數的形狀很像,但tanh函數在坐標系的原點上對稱。
``` python
y = x.tanh()
xyplot(x, y, 'tanh')
```
:-: 
依據鏈式法則,tanh函數的導數
```[tex]
\text{tanh}'(x) = 1 - \text{tanh}^2(x).
```
下面繪制了tanh函數的導數。當輸入為0時,tanh函數的導數達到最大值1;當輸入越偏離0時,tanh函數的導數越接近0。
``` python
x.grad.zero_()
y.sum().backward()
xyplot(x, x.grad, 'grad of tanh')
```

## 3.8.3 多層感知機
多層感知機就是含有至少一個隱藏層的由全連接層組成的神經網絡,且每個隱藏層的輸出通過激活函數進行變換。多層感知機的層數和各隱藏層中隱藏單元個數都是超參數。以單隱藏層為例并沿用本節之前定義的符號,多層感知機按以下方式計算輸出:
```[tex]
\begin{aligned}
\boldsymbol{H} &= \phi(\boldsymbol{X} \boldsymbol{W}_h + \boldsymbol{b}_h),\\
\boldsymbol{O} &= \boldsymbol{H} \boldsymbol{W}_o + \boldsymbol{b}_o,
\end{aligned}
```
其中`$ \phi $`表示激活函數。在分類問題中,我們可以對輸出`$ \boldsymbol{O} $`做softmax運算,并使用softmax回歸中的交叉熵損失函數。
在回歸問題中,我們將輸出層的輸出個數設為1,并將輸出`$ \boldsymbol{O} $`直接提供給線性回歸中使用的平方損失函數。
## 小結
* 多層感知機在輸出層與輸入層之間加入了一個或多個全連接隱藏層,并通過激活函數對隱藏層輸出進行變換。
* 常用的激活函數包括ReLU函數、sigmoid函數和tanh函數。
-----------
> 注:本節除了代碼之外與原書基本相同,[原書傳送門](https://zh.d2l.ai/chapter_deep-learning-basics/mlp.html)
- Home
- Introduce
- 1.深度學習簡介
- 深度學習簡介
- 2.預備知識
- 2.1環境配置
- 2.2數據操作
- 2.3自動求梯度
- 3.深度學習基礎
- 3.1 線性回歸
- 3.2 線性回歸的從零開始實現
- 3.3 線性回歸的簡潔實現
- 3.4 softmax回歸
- 3.5 圖像分類數據集(Fashion-MINST)
- 3.6 softmax回歸的從零開始實現
- 3.7 softmax回歸的簡潔實現
- 3.8 多層感知機
- 3.9 多層感知機的從零開始實現
- 3.10 多層感知機的簡潔實現
- 3.11 模型選擇、反向傳播和計算圖
- 3.12 權重衰減
- 3.13 丟棄法
- 3.14 正向傳播、反向傳播和計算圖
- 3.15 數值穩定性和模型初始化
- 3.16 實戰kaggle比賽:房價預測
- 4 深度學習計算
- 4.1 模型構造
- 4.2 模型參數的訪問、初始化和共享
- 4.3 模型參數的延后初始化
- 4.4 自定義層
- 4.5 讀取和存儲
- 4.6 GPU計算
- 5 卷積神經網絡
- 5.1 二維卷積層
- 5.2 填充和步幅
- 5.3 多輸入通道和多輸出通道
- 5.4 池化層
- 5.5 卷積神經網絡(LeNet)
- 5.6 深度卷積神經網絡(AlexNet)
- 5.7 使用重復元素的網絡(VGG)
- 5.8 網絡中的網絡(NiN)
- 5.9 含并行連結的網絡(GoogLeNet)
- 5.10 批量歸一化
- 5.11 殘差網絡(ResNet)
- 5.12 稠密連接網絡(DenseNet)
- 6 循環神經網絡
- 6.1 語言模型
- 6.2 循環神經網絡
- 6.3 語言模型數據集(周杰倫專輯歌詞)
- 6.4 循環神經網絡的從零開始實現
- 6.5 循環神經網絡的簡單實現
- 6.6 通過時間反向傳播
- 6.7 門控循環單元(GRU)
- 6.8 長短期記憶(LSTM)
- 6.9 深度循環神經網絡
- 6.10 雙向循環神經網絡
- 7 優化算法
- 7.1 優化與深度學習
- 7.2 梯度下降和隨機梯度下降
- 7.3 小批量隨機梯度下降
- 7.4 動量法
- 7.5 AdaGrad算法
- 7.6 RMSProp算法
- 7.7 AdaDelta
- 7.8 Adam算法
- 8 計算性能
- 8.1 命令式和符號式混合編程
- 8.2 異步計算
- 8.3 自動并行計算
- 8.4 多GPU計算
- 9 計算機視覺
- 9.1 圖像增廣
- 9.2 微調
- 9.3 目標檢測和邊界框
- 9.4 錨框
- 10 自然語言處理
- 10.1 詞嵌入(word2vec)
- 10.2 近似訓練
- 10.3 word2vec實現
- 10.4 子詞嵌入(fastText)
- 10.5 全局向量的詞嵌入(Glove)
- 10.6 求近義詞和類比詞
- 10.7 文本情感分類:使用循環神經網絡
- 10.8 文本情感分類:使用卷積網絡
- 10.9 編碼器--解碼器(seq2seq)
- 10.10 束搜索
- 10.11 注意力機制
- 10.12 機器翻譯