具有交叉熵误差的整流线性单元激活的反向传播

Posted 2023-03-12

【中文标题】具有交叉熵误差的整流线性单元激活的反向传播

【英文标题】：Backpropagation for rectified linear unit activation with cross entropy error

【发布时间】：2014-08-12 14:59:18

【问题描述】：

我正在尝试使用反向传播实现神经网络的梯度计算。 我无法使用交叉熵误差和校正线性单元 (ReLU) 作为激活。

我设法让我的实现使用 sigmoid、tanh 和 ReLU 激活函数处理平方误差。正确计算了具有 sigmoid 激活梯度的交叉熵 (CE) 误差。但是，当我将激活更改为 ReLU 时 - 它失败了。 （我跳过了 CE 的 tanh，因为它返回 (-1,1) 范围内的值。）

是因为 log 函数在值接近 0 时的行为（ReLU 大约有 50% 的时间返回归一化输入）？ 我试图通过以下方式缓解这个问题：

log(max(y,eps))

但它只有助于将误差和梯度带回实数 - 它们仍然不同于数值梯度。

我使用数值梯度验证结果：

num_grad = (f(W+epsilon) - f(W-epsilon)) / (2*epsilon)

以下 matlab 代码展示了我的实验中使用的简化且精简的反向传播实现：

function [f, df] = backprop(W, X, Y)
% W - weights
% X - input values
% Y - target values

act_type='relu';    % possible values: sigmoid / tanh / relu
error_type = 'CE';  % possible values: SE / CE

N=size(X,1); n_inp=size(X,2); n_hid=100; n_out=size(Y,2);
w1=reshape(W(1:n_hid*(n_inp+1)),n_hid,n_inp+1);
w2=reshape(W(n_hid*(n_inp+1)+1:end),n_out, n_hid+1);

% feedforward
X=[X ones(N,1)];
z2=X*w1'; a2=act(z2,act_type); a2=[a2 ones(N,1)];
z3=a2*w2'; y=act(z3,act_type);

if strcmp(error_type, 'CE')   % cross entropy error - logistic cost function
    f=-sum(sum( Y.*log(max(y,eps))+(1-Y).*log(max(1-y,eps)) ));
else % squared error
    f=0.5*sum(sum((y-Y).^2));
end

% backprop
if strcmp(error_type, 'CE')   % cross entropy error
    d3=y-Y;
else % squared error
    d3=(y-Y).*dact(z3,act_type);
end

df2=d3'*a2;
d2=d3*w2(:,1:end-1).*dact(z2,act_type);
df1=d2'*X;

df=[df1(:);df2(:)];

end

function f=act(z,type) % activation function
switch type
    case 'sigmoid'
        f=1./(1+exp(-z));
    case 'tanh'
        f=tanh(z);
    case 'relu'
        f=max(0,z);
end
end

function df=dact(z,type) % derivative of activation function
switch type
    case 'sigmoid'
        df=act(z,type).*(1-act(z,type));
    case 'tanh'
        df=1-act(z,type).^2;
    case 'relu'
        df=double(z>0);
end
end

---

编辑

经过另一轮实验，我发现最后一层使用softmax：

y=bsxfun(@rdivide, exp(z3), sum(exp(z3),2));

和softmax成本函数：

f=-sum(sum(Y.*log(y)));

使实现适用于包括 ReLU 在内的所有激活函数。

这让我得出结论，它是逻辑成本函数（二元分类器）不适用于 ReLU：

f=-sum(sum( Y.*log(max(y,eps))+(1-Y).*log(max(1-y,eps)) ));

但是，我仍然无法弄清楚问题出在哪里。

【参考方案1】：

每个压缩函数 sigmoid、tanh 和 softmax（在输出层） 表示不同的成本函数。 那么 RLU（在输出层）与交叉熵成本函数不匹配是有道理的。 我将尝试一个简单的平方误差成本函数来测试 RLU 输出层。

RLU 的真正威力在于深度网络的隐藏层，因为它不受梯度消失误差的影响。

【讨论】：

在阅读了几篇关于神经网络的论文后，我得出了类似的结论。当我需要分类时，softmax 的输出层由 sigmoid 单元组成。其他层（隐藏）仍然由 ReLU 组成。

【参考方案2】：

如果您使用梯度下降，您需要导出激活函数，以便稍后在反向传播方法中使用。你确定'df = double（z> 0）'吗？因为逻辑和 tanh 似乎是正确的。

此外，您确定这个 'd3=y-Y' 吗？我会说当你使用逻辑函数而不是 ReLu 时这是真的（导数不一样，因此不会导致那个简单的方程）。

您可以使用 softplus 函数，它是 ReLU 的平滑版本，其导数是众所周知的（逻辑函数）。

【讨论】：

ReLU函数的导数是：df=0 for input0 在matlab中相当于double(z>0)。 d3 是最后一层的增量，它是正确的形式。 ReLU 比 softplus 函数具有优势 - 例如检查 here。

【参考方案3】：

我认为缺陷在于与数值计算的导数比较。在您的导数激活函数中，您将 ReLu 在 0 处的导数定义为 0。在 x=0 处的导数的数值计算表明它是 (ReLU(x+epsilon)-ReLU(x-epsilon)/(2*epsilon)) 在 x =0 时为 0.5。因此，将 ReLU 在 x=0 处的导数定义为 0.5 即可解决问题

【参考方案4】：

我想我会分享我遇到类似问题的经验。我也设计了我的多分类器ANN，所有隐藏层都使用RELU作为非线性激活函数，输出层使用softmax函数。

我的问题在某种程度上与我使用的编程语言/平台的数值精度有关。就我而言，我注意到如果我使用“普通”RELU 不仅会杀死渐变，而且我使用的编程语言会产生以下softmax 输出向量（这只是一个示例）：

⎡1.5068230536681645e-35⎤
⎢ 2.520367499064734e-18⎥
⎢3.2572859518007807e-22⎥
⎢                     1⎥
⎢ 5.020155103452967e-32⎥
⎢1.7620297760773188e-18⎥
⎢ 5.216008990667109e-18⎥
⎢ 1.320937038894421e-20⎥
⎢2.7854159049317976e-17⎥
⎣1.8091246170996508e-35⎦

请注意大多数元素的值都接近0，但最重要的是请注意输出中的1 值。

我使用了与您使用的不同的cross-entropy 错误函数。我没有计算log(max(1-y, eps))，而是坚持基本的log(1-y)。所以给定上面的输出向量，当我计算log(1-y) 时，我得到-Inf 作为cross-entropy 的结果，这显然杀死了算法。

我想如果你的eps 不够高，以至于log(max(1-y, eps)) -> log(max(0, eps)) 不会产生太小的log 输出，你可能会像我一样处于类似的泡菜中。

我对这个问题的解决方案是使用Leaky RELU。一旦我开始使用它，我可以继续使用多分类器cross-entropy，而不是您决定尝试的softmax-cost 功能。