昨天介紹完CNN卷積神經網路正向傳播程式,今天要來研究CNN卷積神經網路反向傳播程式:
首先在上次全連接層Softmax做反向傳播:
首先依照之前說明的機率out:
把它做偏微分並使用chain rule:
會有以下兩種情況
1.c≠k
2.c=k
然後依照
我們可以得到偏微:
在依照chain rule
其中,我們最終想要這三個微分
所以全連接層反向傳播程式如下:
在原本class:Softmax上加上反向運算def
#全連接層反向傳播
def backprop(self, d_L_d_out, learn_rate):
for i, gradient in enumerate(d_L_d_out):
#如果沒有梯度就下一個
if gradient == 0:
continue
#exp(tc)-->分子
t_exp = np.exp(self.last_totals)
#S-->分母
S = np.sum(t_exp)
#dout/dt k != c 情況
d_out_d_t = -t_exp[i] * t_exp / (S ** 2)
#dout/dt k == c 情況
d_out_d_t[i] = t_exp[i] * (S - t_exp[i]) / (S ** 2)
#dt/dw
d_t_d_w = self.last_input
#dt/db
d_t_d_b = 1
#dt/input 1000 x 10
d_t_d_inputs = self.weights
#dL/dt = dout/dt*梯度
d_L_d_t = gradient * d_out_d_t
#dL/dw = dt/dw*dL/dt (1000, 1) @ (1, 10) = (1000, 10)
d_L_d_w = d_t_d_w[np.newaxis].T @ d_L_d_t[np.newaxis]
#dL/db = dL/dt*dt/db
d_L_d_b = d_L_d_t * d_t_d_b
#dL/dinputs = dt/dinputs*dL/dt (1000, 10) @ (10, 1)= (1000, 1)
d_L_d_inputs = d_t_d_inputs @ d_L_d_t
#更新權重還有bias
self.weights -= learn_rate * d_L_d_w
self.biases -= learn_rate * d_L_d_b
return d_L_d_inputs.reshape(self.last_input_shape)
接下來是池化層:
基本上非最大值在微分後就會是0,所以如下圖:
所以程式如下,在原本class:MaxPool2加上反向運算def
#反向運算
def backprop(self, d_L_d_out):
#dL/dinput -->一開始設置為0
d_L_d_input = np.zeros(self.last_input.shape)
for im_region, i, j in self.iterate_regions(self.last_input):
h, w, f = im_region.shape
#找尋那區域最大值
amax = np.amax(im_region, axis=(0, 1))
for i2 in range(h):
for j2 in range(w):
for f2 in range(f):
#如果是最大值就把剛剛dL/dinput傳入這層dL/dinput
if im_region[i2, j2, f2] == amax[f2]:
d_L_d_input[i + i2, j + j2, f2] = d_L_d_out[i, j, f2]
return d_L_d_input
最後反向給卷積層:
所以他的偏微就是那張照片範圍:
程式如下:在class:Conv3x3加上反向運算def
#反向運算
def backprop(self, d_L_d_out, learn_rate):
#dL/dfilter --> 一開始設置為0
d_L_d_filters = np.zeros(self.filters.shape)
for im_region, i, j in self.iterate_regions(self.last_input):
for f in range(self.num_filters):
#dL/dfilter = sum(dL/dout*照片區塊)
d_L_d_filters[f] += d_L_d_out[i, j, f] * im_region
#調整一開始filters 用學習率*dL/dfilter
self.filters -= learn_rate * d_L_d_filters
(資料來源:https://zhuanlan.zhihu.com/p/102119808並加上註解程式)
好,今天CNN反向傳播程式算是研究完,明天就把CNN的程式完成,並且去跑執行結果
在戒指發光同一時間,原本飄在空中羽毛掉落在地上,剛好掉到娃娃旁邊,原來娃娃在剛剛,終於精疲力盡倒下,而地面上還冒出鮮血和娃娃血液混合再一起,當羽毛碰到血的時候.羽毛突然產生變化,幾秒鐘之後,出現了一隻狐狸,只不過這隻狐狸沒有嘴巴,而且四肢通紅,狐狸環顧四周後,隨即抬起紅色爪子,而此時前方樹木開始燃燒,最終燒成灰燼,而前方赫然就是森林出口
--|你們到底是誰?為何要如此執著?|-- MM.CS