最近，人們對深度神經(jīng)網(wǎng)絡(luò)產(chǎn)生了極大的興趣，因為它們在計算機視覺等領(lǐng)域取得了突破性的成果。

盡管如此，仍有一些人對此表示關(guān)切。一是很難去理解神經(jīng)網(wǎng)絡(luò)真正在做什么。如果一個人訓練得很好，就可以獲得高質(zhì)量的結(jié)果，但是要理解它是如何做到的是很困難的。如果網(wǎng)絡(luò)出現(xiàn)故障，很難解釋出了什么問題。

雖然理解深層神經(jīng)網(wǎng)絡(luò)的一般行為很有挑戰(zhàn)性，但事實證明，探索低維深層神經(jīng)網(wǎng)絡(luò)要容易得多——每層只有幾個神經(jīng)元的網(wǎng)絡(luò)。事實上，我們可以通過可視化來理解這種網(wǎng)絡(luò)的行為和訓練。這一觀點將使我們對神經(jīng)網(wǎng)絡(luò)的行為有更深的直覺，并觀察到神經(jīng)網(wǎng)絡(luò)與一個稱為拓撲學的數(shù)學領(lǐng)域之間的聯(lián)系。

接下來有許多有趣的事情，包括能夠?qū)μ囟〝?shù)據(jù)集進行分類的神經(jīng)網(wǎng)絡(luò)復(fù)雜性的基本下界。

一個簡單的例子

讓我們從一個非常簡單的數(shù)據(jù)集開始，平面上的兩條曲線上的所有點。神經(jīng)網(wǎng)絡(luò)將試著把點分為兩類。

一個最直觀的方式去觀察神經(jīng)網(wǎng)絡(luò)的行為（或任何分類算法），就是看看它是如何對每個可能的數(shù)據(jù)點進行分類的。

我們將從最簡單的神經(jīng)網(wǎng)絡(luò)開始，這個只有一個輸入層和一個輸出層。這樣的網(wǎng)絡(luò)只是試圖用一條線將這兩類數(shù)據(jù)分開。

這種網(wǎng)絡(luò)不夠有趣。現(xiàn)代神經(jīng)網(wǎng)絡(luò)通常在輸入和輸出之間有多層，稱為“隱藏”層。但這個網(wǎng)絡(luò)好歹有一層可研究。

類似地，我們可以通過查看神經(jīng)網(wǎng)絡(luò)對其域中不同點所做的操作，來觀察該網(wǎng)絡(luò)的行為。下面這個圖用比直線更復(fù)雜的曲線來分離數(shù)據(jù)。

對于每一層，網(wǎng)絡(luò)都會轉(zhuǎn)換數(shù)據(jù)，創(chuàng)建一個新的表示形式。我們可以查看這些表示形式中的數(shù)據(jù)以及網(wǎng)絡(luò)如何對它們進行分類。當我們得到最終的表示時，網(wǎng)絡(luò)只會在數(shù)據(jù)中畫一條線（可能在更高的維度中，是一個超平面）。

在前面的可視化中，我們查看了數(shù)據(jù)的“原始”表示形式。你可以把它看作是我們在看「輸入層」。現(xiàn)在我們將在它被第一層轉(zhuǎn)化之后再看一看。你可以認為這是我們在看「隱藏層」。

每一個維度都對應(yīng)于該層神經(jīng)元的激活。

隱藏層學習的一種表示，這樣使得數(shù)據(jù)可以線性分離

層的連續(xù)可視化

在上一節(jié)中概述的方法中，我們通過查看與每一層對應(yīng)的表示來學習理解網(wǎng)絡(luò)。這給了我們一個離散的表示列表。

棘手的部分在于理解我們?nèi)绾螐囊粋€到另一個。謝天謝地，神經(jīng)網(wǎng)絡(luò)層有很好的特性，使這變得非常容易。

在神經(jīng)網(wǎng)絡(luò)中有各種不同的層。我們將討論 tanh 層作為一個具體例子。一個tanh層，包括：

用“權(quán)”矩陣 W 作線性變換

用向量 b 作平移

用 tanh 逐點表示

我們可以將其視為一個連續(xù)的轉(zhuǎn)換

其他標準層的情況大致相同，由仿射變換和單調(diào)激活函數(shù)的逐點應(yīng)用組成。

我們可以應(yīng)用這種技術(shù)來理解更復(fù)雜的網(wǎng)絡(luò)。例如，下面的網(wǎng)絡(luò)使用四個隱藏層對兩個稍微糾纏的螺旋進行分類。隨著時間的推移，我們可以看到，為了對數(shù)據(jù)進行分類，它從“原始”的表示方式轉(zhuǎn)變?yōu)楦呒墑e的表示方式。雖然螺旋最初是糾纏在一起的，但到最后它們是線性可分離的。

另一方面，下面的網(wǎng)絡(luò)，也使用多層，但無法分類兩個更糾纏的螺旋。

這里值得明確指出的是，這些任務(wù)只是有些挑戰(zhàn)性，因為我們使用的是低維神經(jīng)網(wǎng)絡(luò)。如果我們使用更廣泛的網(wǎng)絡(luò)，這一切都會很容易。

（Andrej Karpathy基于ConvnetJS制作了一個很好的demo，讓您可以通過這種可視化的訓練交互式地探索網(wǎng)絡(luò)！）

tanh層的拓撲

每一層都會拉伸和擠壓空間，但它從不切割、斷裂或折疊空間。直觀上來看，它保持了拓撲性質(zhì)。例如，如果一個集合在之前連續(xù)，那么它將在之后也如此（反之亦然）。

像這樣不影響拓撲的變換稱為同胚。形式上，它們是雙向連續(xù)函數(shù)的雙射。

定理：神經(jīng)網(wǎng)絡(luò)的一層有N個輸入和N個輸出，這層的映射是同胚，如果權(quán)重矩陣 W 是非奇異的。

證明：讓我們一步一步地考慮這個問題

假設(shè) W 存在非零行列式。那么它是一個具有線性逆的雙射線性函數(shù)。線性函數(shù)是連續(xù)的。那么乘以 W 是同胚

translations是同胚的

tanh（和sigmoid和softplus，但不是ReLU）是具有連續(xù)逆的連續(xù)函數(shù)。它們就是雙射，逐點的應(yīng)用它們就是一個同胚

因此，如果 W 存在一個非零行列式，我們的層就是同胚。

如果我們?nèi)我獾貙⑦@些層組合在一起，這個結(jié)果仍然成立。

拓撲與分類

我們考慮一個二維數(shù)據(jù)集，它包含兩類：

A是紅的，B是藍的

說明：如果一個神經(jīng)網(wǎng)絡(luò)沒有一個包含3個或更多隱藏單元的層，不管深度如何，它都不可能對這個數(shù)據(jù)集進行分類。

如前所述，使用sigmoid單元或softmax層進行分類相當于試圖找到一個超平面（在本例中是一條線）來分隔 A 和 B。由于只有兩個隱藏單元，網(wǎng)絡(luò)在拓撲上無法以這種方式分離數(shù)據(jù)，并且在這個數(shù)據(jù)集上注定會失敗。

在下面的可視化中，當一個網(wǎng)絡(luò)沿著分類線訓練時，我們觀察到一個隱藏的表示。正如我們所看到的，它試圖學習一種方法來做到這一點。

最后它被拉進了一個相當不好的局部極小值。雖然它實際上能夠達到80%的分類精度。

這個例子只有一個隱藏層，但是無論如何它都會失敗。

證明：要么每層是同胚，要么層的權(quán)矩陣有行列式0。如果是同胚的話，A仍然被B包圍著，一條線不能把它們分開。但是假設(shè)它的行列式為0，那么數(shù)據(jù)集將在某個軸上折疊。因為我們處理的是與原始數(shù)據(jù)集同胚的東西，A 被 B 包圍，A 在任何軸上塌陷意味著我們將有一些A 和 B 混合的點，它們變得無法區(qū)分。

如果我們添加第三個隱藏單元，問題就變得不重要了。

通過這種表示，我們可以用一個超平面來分隔數(shù)據(jù)集。

為了更好地了解發(fā)生了什么，讓我們考慮一個更簡單的一維數(shù)據(jù)集：

如果不使用由兩個或更多隱藏單元組成的層，我們就無法對該數(shù)據(jù)集進行分類。但是如果我們用一個單位和兩個單位，我們就學會了用一條漂亮的曲線來表示數(shù)據(jù)，這樣我們就可以用一條線來分隔類：

流形假說

這是否與真實世界的數(shù)據(jù)集相關(guān)，比如圖像數(shù)據(jù)？如果你真的認真對待流形假設(shè)，我認為這是值得考慮的。

流形假設(shè)是自然數(shù)據(jù)在其嵌入空間中形成低維流形。有理論和實驗作為理由相信這是真的。如果你相信這一點，那么分類算法的任務(wù)就是從根本上分離一組糾纏在一起的流形。

在前面的示例中，一個類完全包圍了另一個類。然而，狗的圖像流形似乎并不很可能被貓圖像流形完全包圍。但是還有其他更合理的拓撲情況，仍然可能會引發(fā)問題，我們將在下一節(jié)中看到。

連接和同倫

一個有趣的數(shù)據(jù)集是兩個鏈接的圓環(huán)面（tori），A 和 B。

這與我們之前考慮的數(shù)據(jù)集非常相似，如果不使用n+1維度，這個數(shù)據(jù)集就不能被分離，這里即為第4維度。

連接是在結(jié)理論中被研究的，這是拓撲學的一個領(lǐng)域。有時，當我們看到一個連接時，它是否是一個斷開的鏈接（一堆東西糾纏在一起，但可以通過連續(xù)變形來分開）并不是很明顯。

如果一個只有3個單位的層的神經(jīng)網(wǎng)絡(luò)可以對它進行分類，那么它就是一個斷開的連接。（問題：從理論上講，一個只有3個單元的網(wǎng)絡(luò)是否可以對所有未鏈接進行分類？）

從結(jié)的角度來看，我們對神經(jīng)網(wǎng)絡(luò)產(chǎn)生的表示的連續(xù)可視化不僅僅是一個很好的動畫，它是一個解開鏈接的過程。在拓撲學中，我們稱之為原始連接和分離之間的ambient isotopy。

一個簡單的方法

對于神經(jīng)網(wǎng)絡(luò)來說，最簡單的方法就是嘗試將流形拉開，并盡可能地拉伸那些纏結(jié)在一起的部分。雖然這不會接近真正的解決方案，但它可以實現(xiàn)相對較高的分類精度，并且是一個較為誘人的局部最小值。

它會在它試圖拉伸的區(qū)域上呈現(xiàn)出非常高的導數(shù)，并且在不連續(xù)點附近較尖銳。我們知道這些事情發(fā)生了。收縮懲罰，懲罰數(shù)據(jù)點的層的導數(shù)，是應(yīng)對這一點的自然方法。

由于這些局部極小值從解決拓撲問題的角度來說是完全無用的，拓撲問題可能為探索解決這些問題提供了一個很好的動力。

另一方面，如果我們只關(guān)心取得好的分類結(jié)果，我們似乎不在乎。如果一小部分數(shù)據(jù)流形被另一個流形所纏繞，那對我們來說是個問題嗎？盡管存在這個問題，我們似乎應(yīng)該能夠得到任意好的分類結(jié)果。

（我的直覺是，像這樣試圖欺騙問題是個壞主意：很難想象這不會是一個死胡同。特別是，在局部極小值是一個大問題的優(yōu)化問題中，選擇一個不能真正解決問題的體系結(jié)構(gòu)似乎會導致糟糕的性能。）

操縱流形的更好層次？

我越是想到標準的神經(jīng)網(wǎng)絡(luò)層——也就是說，用仿射變換和逐點激活函數(shù)——我就越感到不抱幻想。很難想象它們真的非常適合操縱流形。

也許有一種完全不同的層次，我們可以在構(gòu)圖中使用更傳統(tǒng)的層次是有意義的？

我覺得很自然的一件事是學習一個向量場，它的方向是我們想要移動流形的方向：

然后在此基礎(chǔ)上變形空間：

我們可以在固定點學習向量場（只需從訓練集中選取一些固定點作為錨），并以某種方式進行插值。上面的向量場的形式如下：

其中和是向量和和是n維高斯函數(shù)。這是受到徑向基函數(shù)的啟發(fā)。

K-近鄰層

我也開始認為，線性可分性可能對神經(jīng)網(wǎng)絡(luò)是一個巨大的，可能是很不合理的的要求。在某些方面，使用k近鄰（k-NN）是一件很自然的事情。然而，k-NN它的成功在很大程度上依賴于它對數(shù)據(jù)進行分類的表示，因此在k-NN能夠正常工作之前需要一個良好的表示。

作為第一個實驗，我訓練了一些MNIST網(wǎng)絡(luò)（兩層CNN，無dropout），達到～1%，測試錯誤。然后，我放棄了最后的softmax層，并使用了k-NN算法。我能夠?qū)崿F(xiàn)測試誤差降低0.1-0.2%。

不過，這感覺不太合適。網(wǎng)絡(luò)仍然在嘗試進行線性分類，但是由于我們在測試時使用k-NN，它能夠從它犯的錯誤中恢復(fù)一點。

由于（1/distance）的加權(quán)，k-NN相對于它所作用的表示是可微的。因此，我們可以直接訓練網(wǎng)絡(luò)進行k-NN分類。這可以看作是一種“最近鄰”層，作為softmax的替代品。

我們不想為每個小批量反饋整個訓練集，因為這在計算上非常昂貴。我認為一個很好的方法是根據(jù)小批量中其他元素的類別對小批量中的每個元素進行分類，給每個元素賦予（1/（與分類目標的距離））的權(quán)重，遺憾的是，即使使用復(fù)雜的體系結(jié)構(gòu)，使用k-NN也只能得到5-4%的測試錯誤，而使用更簡單的體系結(jié)構(gòu)會得到更糟糕的結(jié)果。不過，我在使用超參數(shù)方面投入的精力很少。

不過，我還是很喜歡這種方法，因為我們“要求”網(wǎng)絡(luò)做的似乎更合理。我們希望同一流形的點比其他流形的點更接近，而不是流形被超平面分開。這應(yīng)該對應(yīng)于膨脹不同類別的流形之間的空間和收縮單個流形。這感覺很簡單。

總結(jié)

數(shù)據(jù)的拓撲特性可能使得使用低維網(wǎng)絡(luò)來線性劃分類是不可能的（在不考慮深度的前提下）。即使在技術(shù)上可行的情況下，例如螺旋，這樣做也是非常具有挑戰(zhàn)性的。

為了用神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進行精確分類，有時需要寬層。此外，傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)層似乎不太擅長表示流形的重要操作；即使我們用手巧妙地設(shè)置權(quán)重，也很難緊湊地表示我們想要的變換。新設(shè)計的層，特別是由機器學習的多方面觀點推動的，可能是有用的。

責任編輯：haq