CNN Inplementation With Numpy
复习深度学习相关知识。打算用numpy实现一个简单的可以训练，测试的cnn框架（model-free，model-based），包含一些主流的层和设计，以便复习与巩固基础。
2018.01.22
Target1: （model-free）实现mnist的训练与测试：
- layer: Conv2D, FullyConnect, MaxPooling, Softmax
- activation: Relu
- method: Mini-batch Gradient Descent(SGD)，learning_rate = 1e-5
| version | validation_acc | train_acc | inferencetime(ms/pf) |
|---|---|---|---|
| baseline | 96.75% | 97.15% | 2(ms/pf) |
2018.01.24
Target2: (model-based)实现Variable与Operator分离设计：
- 完成Variable与Operator 类的设计与graph的注册功能，GLOBAL_VARIABLE_SCOPE作为全局所有Variable,Operator的索引(graph)，Operator,Variable类自己维护自己的child,parent列表。（感觉有点像tf）
- 完成Conv2D类的设计，对比上一版本进行测试通过。
~
2018.01.25
- 完成其他基本组件的Operator改写。新版本支持隐式构建graph，调用converge（汇） Variable.eval()自动完成前向传播计算；调用对应的source(源)Variable.diff_eval()自动完成反向传播与导数计算；对于learnable的Variable，手动调用Variable.apply_gradient()完成梯度下降。（未来目标把上述操作封转到显示的graph 或者session类中）
~
2018.01.26
Target3: 实现不同的激活函数（relu系和sigmoid系)，比对分析：
- 给train_epoch读入图片添加了shuffle
- 完成了不同的激活函数relu,leaky-relu,sigmoid,tanh,elu, prelu
- 完成了对激活函数的grad_check,实际上sigmoid确实容易出现gradient-vanish,所以一开始用1e-5学习率基本收敛的特别慢，所以实际测试里面调整到了1e-3
- 初始化默认为init='MSRA', method和lr上没有做仔细的调整，最终的结果上比较性并不是特别强，但是我们可以明显发现sigmoid和tanh的计算速度要慢一些.relu系：50个batch的耗时1min13s左右。sigmoid系：1min30s左右，详细可以参考log，里面有准确的时间记录，都是同时在服务器上跑的。应该不存在资源上太大的区别。
| version | validation_acc | train_acc | learning_rate | epoch（max=20） |
|---|---|---|---|---|
| SGD_RELU (alpha=0) | 96.42% | 96.85% | 1e-5 | 11 |
| SGD_LRELU(alpha=0.01) | 97.78% | 97.22% | 1e-5 | 17 |
| SGD_LRELU(alpha=0.001) | 97.98% | 97.27% | 1e-5 | 16 |
| SGD_SIGMOID | 96.65% | 95.61% | 1e-3 | 16 |
| SGD_TANH | 96.41% | 91.12% | 1e-3~1e-4 | 2 |
| SGD_ELU | 97.74% | 97.26% | 1e-5 | 13 |
~
2018.01.26
由于我们没有精调参数，所以这里就不分析比较准确率曲线，我们就分析不同激活函数的收敛速度：
- 左图可以看到tanh,sigmoid还是存在比较明显的gradient vanish，网络只有2层。即使采用了更大的学习率，在收敛速度上依然比relu要慢不少
- 右图我们可以看到，这么多种relu,在收敛速度上，没有质的区别，即使是不同alpha的leak-relu（alpha=0.01,0.001），区别也不大。但是我们还是可以勉强认为leaky-relu稍微比relu强一些。
～
2018.01.30
由于不可抗力（～要给女友写论文做实验～），中断了几天。计划给Variable class添加method和initializer属性,用于全局控制变量的优化方法和初始化（这里就感觉到，应该抽象一个graph class,然后把Variable, Operator抽象成Node,方便控制全局的方法，例如初始化，优化方法设置，源求导，汇求值，全局apply_gradient等等，都可以变成graph的方法）。
原始的版本实现了SGD与MSRA.计划实现：
- method: sgd, momentum ,Nesterov, Adam ,RMSProp 等进行比对
- initializer: MSRA, Xavier, Zeros, Const
ps:注意到之前的版本apply_gradient，diff都没有/batch_size,从这个版本添加上了.这样就收敛速度就不会显式的受到batch_size的影响(这个地方还是需要思考一下，因为从epoch角度来讲，不除比较稳定)。当然我就把初始learning_rate调大了50倍．同时，添加了util.learning_rate_decay,用于让学习率自动衰减,然而效果呵呵呵
～
2018.02.01
method test on mnist
| learning_rate | batch_size | decay_rate | decay_epoch | initializer |
|---|---|---|---|---|
| 5e-4 | 64 | 0.1 | 5 | MSRA |
| version | val_acc(epoch1) | epoch2 | epoch3 | epoch4 | epoch5 |
|---|---|---|---|---|---|
| SGD | 92.66% | 95.83% | 96.88% | 97.09% | 96.76% |
| Momentum | 92.12% | 94.87% | 96.19% | 96.81% | 97.16% |
| Nesterov | 91.01% | 94.90% | 96.45% | 96.76% | 97.11% |
| Adam | 91.73% | 95.19% | 96.29% | 96.98% | 97.07% |
这里我们也一样比较了几种method在LRELU下的表现，由于初始化是随机的＋网络很浅，所以好像差别也不是特别明显，没有activation之间表现的差距那么明显。之后可能会在更深的网络上进行测试把,而且之后需要间隔短一点测试val。图片看起来很波动一方面在于gradient descent本来就是这样下降的，另外可能是记录的间隔有点尴尬。
~
2018.02.02