第二周是关于卷积网络(CNN)进阶部分，学到挺多新东西。因为之前了解过CNN基础后，就大多在用RNN进行自然语言处理方面的研究，很多CNN的最新进展虽有耳闻，但是并不清楚。
特别是各个论文模型又喜欢取一些奇怪的名字(比如昨天读的两篇论文，一个叫NTT，一个叫TMD)，如果没读过论文，不了解一些缘由，真是傻傻分不清。
之前看视觉问答时，预处理图片部分需选择训练好的网络，结果一看，一大堆什么VGG、Res、Incept这些看不懂的名词，而且后面还加着16、19、101等数字和V1、V2、V3这样的版本数。结果只能两眼一抹黑，参考别人的论文，瞎选了一个。
闲话不多说，开始吧。
那些曾经辉煌过的Net
在提到之后的ResNet和Inception Net前，最好先回顾一下CNN里面成功架构的发展，这样就可以把握住一条清晰的发展脉络，之后讲解进阶网络的时候也能很快理解。
首先是爷爷级的LeNet-5，因为这大概是20年前提出来的了。是当时尚且青涩，而现在已是深度学习四大天王里的LeCun提出的，LeNet也是取自他名字前半截，5表示只有五层，当时用于处理MNIST这样的手写数字识别。
在基础课里面吴教授也有亲手把整个架构画出来，所以并不是很复杂。分别卷积和池化两次后，然后直接输入全连接网络就可以了。
LeNet后，因为人工智能寒冬，所以很长时间并没有太大发展。
直到13年的时候，后起之秀Alex Krizhevsky (相信不少人也看过他的博客，听过他有名的Stanford cs231) 提出了AlexNet，在ImageNet比赛上取得了很大的成功，向大家展示了深度学习的力量，从此掀起一次浪潮。
AlexNet和LeNet差别并不是很大，主要不同有以下三点。
- 卷积层过滤器大小的一些变化，网络层数也多了些；
- 使用了ReLU激活函数；
- 在当时用了两个GPU来训练；
在AlexNet展示了深度学习在图像处理上的成功后，大家也就开始不断在其之上完善图像处理的CNN构架。而VGG就是第一个非常简洁又系统化，提出了一套怎么使用更深的网络来训练的网络架构。
VGG的创举之点在于，比起之前那些网络其中参数的混杂，它很有计划和条理地布置了架构中各个层的结构。比如说可以列举出一下几点：
- 卷积层一定用3x3的过滤器，填充用"same"，步长选择1；
- 池化层一定用2x2的窗口大小，步长选择2；
- 还有就是把整个网络分成几个大的部分，每部分都是卷积加池化，并且每部分过滤器的个数也有规律的增加，像这样
64 -> 128 -> 256 -> 512 -> 512。
VGG是当时参赛组(Visual Geometry Group)的名称。一般现在大家用到的都是VGG-16或者VGG-19，16和19也正如所想，分别是对应的VGG版本中的层数。
看上去16和19层好像也很多了，但和之后ResNet这样的动不动就101，152层的巨无霸相比，还是小巫见大巫。
那为什么不也增加VGG的层数呢？
这里要提到深层神经网络训练中的一个大问题了，那就是当层数过大时，会产生所谓的梯度爆炸(Exploding Gradients)和梯度消失(Vanishing Gradients)现象。
打个比方，如果每次的梯度相乘的系数都是小于1的数，假如说0.6, 那么19 层算下来，0.6的19次方就已经是0.00061了，更别提上百层了。这样传播到最底层的时候，能够学习到的参数就很小了，这就是梯度消失。
反过来，梯度爆炸的情况，如果系数大于1，多次累乘后就会得到一个很大的数，也会造成不好的结果。有点像是复利的概念，也就是那个和国王打赌要一棋盘稻子的故事。
梯度爆炸还好解决，可以用梯度修剪(Gradient Clipping)修剪一下就好了。而梯度消失就有点难解决了。
因为这样的问题，所以虽然理论上普通的深处网络是越深学的越好，但是实际上却事与愿违。下图横轴是网络层数，竖轴是训练误差(越小越好)。理论上随着层数增加，误差就减小，但是实际是过了某个点之后，误差反而会增大。
那么ResNet是怎么训练到上百层的呢，难道它就不怕上面的问题吗？
它用一个很简单的方法解决了上面的问题。
残差网络 (ResNet)
有很多很棒的论文，没读之前，看名字觉得很厉害的。但结果一看论文，才发现方法非常之简洁，特别是有一些利用数学知识推导出的简单解决方法，让人不得不一边拍手称赞，一边感叹自己数学渣。
ResNet也是这样子的，看名字很酷炫，但是打开论文一看，才发现原来是这样啊。
ResNet的最主要就是Shortcut(捷径)这个概念。来看看这到底是什么吧，首先假设我们从一个神经网络中取出两层，当做是一个块(block)，先不管中间是MLP或者是CNN。
而shortcut就如下图一样，从第一层的输入直接建立一条捷径到第二层的输出，激活函数前。
也就是说第二层激活后的输出可以会发生这样的变化。
由
变成
这样子处理之后，我们得到的这一小块就叫做Residual Block（残差块），而把这些块堆叠起来就是我们的残差网络了。很简单吧，像下面这样，一个34层的残差网络。
这样子我们就得到残差网络，那么实际上训练会怎么样呢。
正是我们想要的模型，也非常符合理论。
最后再提一下残差网络背后的原理，为什么这样简单改一下就能够有这么好的表现呢。
原因是捷径的建立，使得每一个残差块可以很容易地学习到恒等函数，也就是f(x)=x。也就是说加入残差块之后，再差也能学会恒等函数，保留信息，把之前的结果直接这样传下去，所以也就不用担心之前提到的梯度消失问题了。
Inception网络
1x1卷积
介绍Inception网络前，先介绍一下其中一个很重要的概念1x1卷积。
初看1x1卷积的概念会觉得很奇怪，这样子每次对一个像素进行卷积有什么用，我们本来不就是想检测局部的特征吗。但是如果理解了通道概念的话，就能很好理解了。
因为，如果说普通的大窗口卷积更注重一个通道内各个特征的互动的话，那么1x1卷积就是只在通道与通道进行卷积运算，加强了通道之间的互动。
这就是第一点，加强了通道与通道之间的交流。用这个就可以只对通道进行一些操作，如用1x1卷积增加通道数，减少通道数，也可以不增不减，但是对之前的通道进行整理。
1x1卷积网络还有一个好处，那就是通过合理运用可以减少整体网络的运算量。
还是来举例子吧，假设有以下一个卷积过程。
那么上面这个过程所需要的运算量大约一亿两千万次。
而如果我们巧妙地利用1x1卷积来对通道进行合理处理的话，像下面这样。
运算量会变得只有大概一千二百万左右，一下子就缩小了十倍。
什么是Inception网络
有了上面的知识以后，一切就简单多了。Inception网络的核心概念是，既然在选择CNN架构的时候要为了过滤器的窗口大小考虑半天，那么何不把各个尺寸都用上去，最后再把结果接起来就好了呢。
于是就有了下面这样的Inception模块。有用1x1、3x3、5x5各个尺寸的卷积，而且还用到之前讲到的利用1x1卷积减少运算量的技巧。
最后至于整个Inception网络，就像之前残差网络一样，把Inception模块堆叠起来就好了。
当然论文中还有一些次要细节，这里就不多说了。
而且自最初的论文之后，Inception网络也有很多改进，加入了很多技巧，比如之前的残差网络中的技巧。所以现在网上的Inception网络，后面会有V1、V2、V3之类后缀，表示的就是各个版本。
深一点，再深一点(不要想歪)
最后，作为余谈，说说为什么Inception网络要叫做Inception网络。
因为在这篇正经的学术论文里面，作者引用了一个链接，点开后会出现这张图片。
