当前位置：首页 > news >正文

【深度学习】基于多层感知机的手写数字识别

news 文章来源：https://blog.csdn.net/weixin_48024605/article/details/136064281 2024/9/22 9:53:07

案例2：构建自己的多层感知机: MNIST手写数字识别

相关知识点: numpy科学计算包，如向量化操作，广播机制等

1 任务目标

1.1 数据集简介

MNIST手写数字识别数据集是图像分类领域最常用的数据集之一，它包含60,000张训练图片，10,000张测试图片，图片中的数字均被缩放到同一尺寸且置于图像中央，图片大小为28×28。MNIST数据集中的每个样本都是一个大小为784×1的矩阵(从28×28转换得到)。MNIST数据集中的数字包括0到9共10类，如下图所示。注意，任何关于测试集的信息都不该被引入训练过程。

在本次案例中，我们将构建多层感知机来完成MNIST手写数字识别。

1.2 构建多层感知机

本次案例提供了若干初始代码，可基于初始代码完成案例，各文件简介如下：
（运行初始代码之前请自行安装TensorFlow 2.0及以上版本，仅用于处理数据集，禁止直接调用TensorFlow函数）

mlp.ipynb包含了本案例的主要内容，运行文件需安装Jupyter Noterbook.
network.py定义了网络，包括其前向和后向计算。
optimizer.py定义了随机梯度下降(SGD)，用于完成反向传播和参数更新。
solver.py定义了训练和测试过程需要用到的函数。
plot.py用来绘制损失函数和准确率的曲线图。

此外，在/criterion/和/layers/路径下使用模块化的思路定义了多个层，其中每个层均包含三个函数：__init__用来定义和初始化一些变量， $f or w a r d$ 和 $ba c k w a r d$ 函数分别用来完成前向和后向计算：

FCLayer为全连接层，输入为一组向量（必要时需要改变输入尺寸以满足要求），与权重矩阵作矩阵乘法并加上偏置项，得到输出向量: $u = W x + b$
SigmoidLayer为 $s i g m o i d$ 激活层，根据 $f(u)=\frac{1}{1+e^{-u}}$ 计算输出。
ReLULayer为 $R e LU$ 激活层，根据 $f (u) = ma x (0, u)$ 计算输出。
EuclideanLossLayer为欧式距离损失层，计算各样本误差的平方和得到: $\frac{1}{2}\sum_n||logits(n)-gt(n)||_2^2$ 。
SoftmaxCrossEntropyLossLayer可以看成是输入到如下概率分布的映射：
$P(t_k=1/x)=\frac{e^{X_K}}{\sum_{j=1}^Ke^{X_j}}$
其中 $X_k$ 是输入向量X中的第k个元素， $P(t_k=1/x)$ 该输入被分到第 $k$ 个类别的概率。由于 $so f t ma x$ 层的输出可以看成一组概率分布，我们可以计算delta似然及其对数形式，称为Cross Entropy误差函数：
$E=-ln\ p(t^{(1)},...,t^{(N)})=\sum_{n=1}^NE^{(n)}$
其中
$E^{(n)}=-\sum_{k=1}^Kt_k^{(n)}ln\ h_k{(n)}\\h_k^{(n)}=P(t_k=1/X^{(n)})=\frac{e^{X_k^{(n)}}}{\sum_{j=1}^Ke^{X_j^{(n)}}}$

注意：此处的softmax损失层与案例1中有所差异，本次案例中的softmax层不包含可训练的参数，这些可训练的参数被独立成一个全连接层。

1.3 案例要求

完成上述文件里的‘#TODO’部分(红色标记的文件)，提交全部代码及一份案例报告，要求如下：

记录训练和测试准确率，绘制损失函数和准确率曲线图；
比较分别使用 $S i g m o i d$ 和 $R e LU$ 激活函数时的结果，可以从收敛情况、准确率等方面比较；
比较分别使用欧式距离损失和交叉熵损失时的结果；
构造具有两个隐含层的多层感知机，自行选取合适的激活函数和损失函数，与只有一个隐含层的结果相比较；
本案例中给定的超参数可能表现不佳，请自行调整超参数尝试取得更好的结果，记录下每组超参数的结果，并作比较和分析。

1.4 注意事项

提交所有代码和一份案例报告；
注意程序的运行效率，尽量使用矩阵运算，而不是for循环；
本案例中不允许直接使用TensorFlow, Caffe, PyTorch等深度学习框架；
禁止任何形式的抄袭。

2 代码设计

本节中介绍了代码整体架构，以及需要补全部分的函数设计。

2.1 数据处理

本实验进行MNIST手写数字识别，数据集采用 tensorflow 的tf.keras.datasets.mnist。

划分数据集

(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()

数据预处理

decode_image() 函数：对图像进行归一化处理。

该函数将图像的像素值转换为浮点数，然后将图像的形状变为一维的向量，最后将图像的像素值缩放到 (0,1) 之间，并减去图像数据的均值，使得分布接近标准 正态分布 。

def decode_image(image):# 归一化处理image = tf.cast(image, tf.float32)image = tf.reshape(image, [784])image = image / 255.0image = image - tf.reduce_mean(image)return image

decode_label() 函数：将标签变为 one-hot 编码。

该函数将标签的值转换为一个长度为10的向量，其中只有一个元素为1，其余为0，表示标签的类别。
```
def decode_label(label):# 将标签变为one-hot编码return tf.one_hot(label, depth=10)
```

数据预处理：对训练集和测试集的图像和标签进行了预处理。

将处理后的图像和标签合并为一个数据集，每个元素是一个元组，包含了一个图像和一个标签。

# 数据预处理
x_train = tf.data.Dataset.from_tensor_slices(x_train).map(decode_image)
y_train = tf.data.Dataset.from_tensor_slices(y_train).map(decode_label)
data_train = tf.data.Dataset.zip((x_train, y_train))x_test = tf.data.Dataset.from_tensor_slices(x_test).map(decode_image)
y_test = tf.data.Dataset.from_tensor_slices(y_test).map(decode_label)
data_test = tf.data.Dataset.zip((x_test, y_test))

超参数设置

本实验中，采用了如下超参数，并对其设置了初值。
```
batch_size = 100
max_epoch = 20
init_std = 0.01learning_rate_SGD = 0.001
weight_decay = 0.1disp_freq = 50
```
- batch_size ：表示每次训练时使用的数据样本的数量。
- max_epoch：表示训练的最大轮数。
- init_std ：表示模型参数的初始化标准差，本次实验并未使用。
- learning_rate_SGD ：表示随机梯度下降（SGD）优化器的学习率。
- weight_decay ：表示权重衰减的系数。
- disp_freq ：表示显示训练信息的频率，也就是每训练多少个批次就打印一次训练指标。

2.2 代码补全

optmizer.py

该代码实现了一个随机梯度下降（SGD）优化器，用于更新神经网络模型的参数。需要补全的地方是更新梯度的部分，此处代码如下。
```
# 计算梯度更新的变化量
layer.diff_W = - self.learningRate * (layer.grad_W + self.weightDecay * layer.W)
layer.diff_b = - self.learningRate * layer.grad_b# 更新权重和偏置项
layer.W += layer.diff_W
layer.b += layer.diff_b
```
多层感知机梯度更新公式如下：
$w_{new}=w_{old}-\alpha (\nabla J(w)+ \lambda w_{old})\\ b_{new}=b_{old}-\alpha \nabla J(b)$
其中 $\alpha$ 是学习率， $\nabla J(\theta)$ 是梯度， $\lambda$ 是权重衰减的系数。
fc_layer.py

该代码实现了一个全连接层，用于完全连接前后不同的神经元数的两层。
- 前向传播（def forward()）
  
  对输入进行线性变换 $Y = W X + b$ ，然后返回输出。
```
def forward(self, Input):"""对输入计算Wx+b并返回结果"""self.input = Inputreturn np.dot(Input, self.W) + self.b
```
- 反向传播（def backward()）
  
  根据输出的梯度来计算输入的梯度和权重和偏置的梯度，然后返回输入的梯度。
  $KaTeX parse error: Undefined control sequence: \part at position 9: \frac {\̲p̲a̲r̲t̲ ̲E^{(n)}}{\part …$
  代码如下：
```
def backward(self, delta):"""根据delta计算梯度"""self.grad_W = np.dot(self.input.T, delta)self.grad_b = np.sum(delta, axis=0, keepdims=True)delta = np.dot(delta, self.W.T)return delta
```
sigmoid_layer.py

该代码实现了一个基于 sigmoid 激活函数的激活层。
- 前向传播（def forward(self, Input)）
  
  对输入进行 Sigmoid 激活函数的处理，然后返回输出。
  $\frac{1}{1+e^{-x}}$
  代码如下：
```
def forward(self, Input):"""对输入应用Sigmoid激活函数并返回结果"""self.output = 1 / (1 + np.exp(-Input))return self.output
```
- 反向传播（def backward(self, delta)）
  
  根据输出的梯度来计算输入的梯度，然后返回输入的梯度。
  $f^\prime (z)=f(z)(1-f(z))$
  代码如下：
```
def backward(self, delta):"""根据delta计算梯度"""return delta * self.output * (1 - self.output)
```
relu_layer.py

该代码实现了一个基于 Relu 激活函数的激活层。
- 前向传播（def forward(self, Input)）
  
  对输入进行 Relu 激活函数的处理，然后返回输出。
  $f (z) = ma x (0, z)$
  代码如下：
```
def forward(self, Input):"""对输入应用ReLU激活函数并返回结果"""self.input = Inputreturn np.maximum(0, Input)
```
- 反向传播（def backward(self, delta)）
  
  根据输出的梯度来计算输入的梯度，然后返回输入的梯度。
  $f^\prime (z)=\begin{cases}1,if\ z≥0\\0,else\end{cases}$
  代码如下：
```
def backward(self, delta):"""根据delta计算梯度"""return delta * (self.input > 0)
```
euclidean_loss.py

该代码实现了一个欧氏距离损失层。
- 前向传播（def forward(self, logit, gt)）
  
  对输出和真实标签之间的欧式距离损失进行计算，并返回损失值。它接受两个参数，logit：表示最后一个全连接层的输出结果；gt：表示真实标签。
  $L(\mathbf{y}, \mathbf{f}(\mathbf{x})) = \frac{1}{2n} \sum_{i=1}^n (\mathbf{y}_i - \mathbf{f}(\mathbf{x}_i))^2$
  代码如下：
```
def forward(self, logit, gt):"""输入: (minibatch)- logit: 最后一个全连接层的输出结果, 尺寸(batch_size, 10)- gt: 真实标签, 尺寸(batch_size, 10)"""# 计算欧式距离损失self.logit = logitself.diff = logit - gtself.loss = 0.5 * np.sum(self.diff ** 2) / logit.shape[0]  # 计算平均损失self.acc = np.sum(np.argmax(logit, axis=1) == np.argmax(gt, axis=1)) / logit.shape[0]  # 计算平均准确率return self.loss
```
- 反向传播（def backward(self)）
  
  根据损失值的梯度来计算输出的梯度，并返回输出的梯度。
  $\frac{\partial L}{\partial \mathbf{f}(\mathbf{x}_i)} = \frac{1}{n}(\mathbf{f}(\mathbf{x}_i) - \mathbf{y}_i)$
  代码如下：
```
def backward(self):# 欧式距离损失的梯度即为(logit - gt) / batch_sizereturn self.diff / self.logit.shape[0]
```
softmax_cross_entropy.py

该代码实现了一个Softmax交叉熵损失层。
- 前向传播（def forward(self, logit, gt)）
  
  对输出和真实标签之间的Softmax交叉熵损失进行计算，并返回损失值。它接受两个参数，logit：表示最后一个全连接层的输出结果；gt：表示真实标签。
  
  交叉熵损失函数：
  $E(θ)=-\frac{1}{n}lnP(t^{(1)},...,t^{(n)})=-\frac{1}{n}\sum^{n}_{n=1}\left(t^{(n)}ln\ h(x^{(n)}+(1-t^{(n)})ln\ (1-h(x^{(n)})\right)\\$
  平均准确率：
  $\mathbf{accuracy} = \frac{\text{正确分类的样本数}}{\text{总样本数}}$
  对 logit 和 gt 分别沿着第二个维度求最大值的索引，也就是得到每个样本的预测类别和真实类别，然后比较它们是否相等，得到一个一维布尔数组，表示每个样本是否正确分类。
  
  然后，它对这个数组求和，得到一个标量，表示正确分类的样本数。然后，它除以 batch_size ，得到一个标量，表示平均准确率，保存在 self.acc 中。
  
  代码如下：
```
def forward(self, logit, gt):"""输入: (minibatch)- logit: 最后一个全连接层的输出结果, 尺寸(batch_size, 10)- gt: 真实标签, 尺寸(batch_size, 10)"""# 计算softmax激活函数exp_logit = np.exp(logit - np.max(logit, axis=1, keepdims=True))self.softmax_output = exp_logit / np.sum(exp_logit, axis=1, keepdims=True)# 计算交叉熵损失self.loss = -np.sum(gt * np.log(self.softmax_output + EPS)) / logit.shape[0]# 计算平均准确率self.acc = np.sum(np.argmax(logit, axis=1) == np.argmax(gt, axis=1)) / logit.shape[0]# 保存真实标签，用于反向传播self.gt = gtreturn self.loss
```
- 反向传播（def backward(self)）
  
  根据损失值的梯度来计算输出的梯度，并返回输出的梯度。
  $\nabla E(\theta)=\frac{1}{N}\sum_Nx^{(n)}(h(x^{(n)})-t^{(n)})$
  代码如下：
```
def backward(self):# 计算梯度return np.subtract(self.softmax_output, self.gt) / self.gt.shape[0]
```

3 多层感知机训练

本实验分别使用了欧氏距离损失函数、Softmax交叉熵损失函数来训练具有唯一激活层的多层感知机，之后再以Softmax交叉熵作为损失函数，训练了具有两层隐含层的多层感知机。

3.1 使用欧氏距离损失训练多层感知机

使用 欧式距离损失 和 Sigmoid激活函数 训练多层感知机

本次训练采用3层感知机进行训练。
- 第一层为全连接层，将784个神经元的输入，转化为128个神经元的输出。
- 第二层采用 Sigmoid 激活层，为128个神经元进行非线性变换。
- 第三层为全连接层，将128个神经元的输入，转化为对应数字0到9的10个输出。
```
sigmoidMLP = Network()
# 使用FCLayer和SigmoidLayer构建多层感知机
# 128为隐含层的神经元数目
sigmoidMLP.add(FCLayer(784, 128))
sigmoidMLP.add(SigmoidLayer())
sigmoidMLP.add(FCLayer(128, 10))
```
训练结束后，在测试集上进行测试，准确率为 0.7810。
使用 欧式距离损失 和 Relu激活函数 训练多层感知机

本次训练采用3层感知机进行训练。
- 第一层为全连接层，将784个神经元的输入，转化为128个神经元的输出。
- 第二层采用 Relu 激活层，为128个神经元进行非线性变换。
- 第三层为全连接层，将128个神经元的输入，转化为对应数字0到9的10个输出。
```
reluMLP = Network()
# 使用FCLayer和ReLULayer构建多层感知机
reluMLP.add(FCLayer(784, 128))
reluMLP.add(ReLULayer())
reluMLP.add(FCLayer(128, 10))
```
训练结束后，在测试集上进行测试，准确率为 0.8586。
训练曲线对比

绘制了 loss 曲线与 acc 曲线，对比以上两个感知机的训练结果。

Sigmoid 的损失训练的初值低于 Relu，然而在训练过程中收敛效果不如 Relu，20轮训练后 Relu 损失更小。

Relu 训练过程中的准确率始终高于 Sigmoid 的准确率。

由以上训练结果可知，在使用欧氏距离作为损失函数时，Relu 作为隐藏层激活函数效果好于 Sigmoid 函数。

3.2 使用Softmax交叉熵损失训练多层感知机

使用 Softmax交叉熵损失 和 Sigmoid激活函数 训练多层感知机

本次训练采用3层感知机进行训练。
- 第一层为全连接层，将784个神经元的输入，转化为128个神经元的输出。
- 第二层采用 Sigmoid 激活层，为128个神经元进行非线性变换。
- 第三层为全连接层，将128个神经元的输入，转化为对应数字0到9的10个输出。
```
# 使用FCLayer和SigmoidLayer构建多层感知机
# 128为隐含层的神经元数目
sigmoidMLP.add(FCLayer(784, 128))
sigmoidMLP.add(SigmoidLayer())
sigmoidMLP.add(FCLayer(128, 10))
```
训练结束后，在测试集上进行测试，准确率为 0.6968。
使用 Softmax交叉熵损失 和 Relu激活函数 训练多层感知机

本次训练采用3层感知机进行训练。
- 第一层为全连接层，将784个神经元的输入，转化为128个神经元的输出。
- 第二层采用 Relu 激活层，为128个神经元进行非线性变换。
- 第三层为全连接层，将128个神经元的输入，转化为对应数字0到9的10个输出。
```
reluMLP = Network()
# 使用FCLayer和ReLULayer构建多层感知机
reluMLP.add(FCLayer(784, 128))
reluMLP.add(ReLULayer())
reluMLP.add(FCLayer(128, 10))
```
训练结束后，在测试集上进行测试，准确率为 0.8687。
训练曲线对比

绘制了 loss 曲线与 acc 曲线，对比以上两个感知机的训练结果。

Sigmoid 的损失下降速率较慢，而 Relu 的损失下降明显更好，始终低于前者。

Relu 的准确率始终高于 Sigmoid，且 Relu+Softmax交叉损失的组合较好于 Relu+欧氏距离损失的组合，Sigmoid+Softmax交叉损失的组合差于 Sigmoid+欧氏距离损失的组合。

由以上训练结果可知，在使用Softmax交叉损失作为损失函数时，Relu 作为隐藏层激活函数效果好于 Sigmoid 函数；且好于用欧式距离作为损失函数的训练效果。

3.3 具有两层隐含层的多层感知机

本章中采用 Softmax交叉损失作为损失函数，将 Relu 和 Sigmoid 组成四组组合，作为隐藏层的两层激活层，进行训练。

隐藏层为 两层Relu函数 的多层感知机

本次训练采用4层感知机进行训练。
- 第一层为全连接层，将784个神经元的输入，转化为128个神经元的输出。
- 第二层采用 Relu 激活层，为128个神经元进行非线性变换。
- 第三层采用 Relu 激活层，为128个神经元进行非线性变换。
- 第四层为全连接层，将128个神经元的输入，转化为对应数字0到9的10个输出。
```
relu2MLP = Network()
# 128为隐含层的神经元数目
relu2MLP.add(FCLayer(784, 128))
relu2MLP.add(ReLULayer())
relu2MLP.add(ReLULayer())
relu2MLP.add(FCLayer(128, 10))
```
训练结束后，在测试集上进行测试，准确率为 0.8696。

绘制曲线，与1层 Relu 进行对比。

与1层 Relu 对比，2层 Relu 训练效果略微提升，但是提升不大。
隐藏层为 两层Sigmoid函数 的多层感知机

本次训练采用4层感知机进行训练。
- 第一层为全连接层，将784个神经元的输入，转化为128个神经元的输出。
- 第二层采用 Sigmoid 激活层，为128个神经元进行非线性变换。
- 第三层采用 Sigmoid 激活层，为128个神经元进行非线性变换。
- 第四层为全连接层，将128个神经元的输入，转化为对应数字0到9的10个输出。
```
sigmoid2MLP = Network()
# 128为隐含层的神经元数目
sigmoid2MLP.add(FCLayer(784, 128))
sigmoid2MLP.add(SigmoidLayer())
sigmoid2MLP.add(SigmoidLayer())
sigmoid2MLP.add(FCLayer(128, 10))
```
训练结束后，在测试集上进行测试，准确率为 0.1137。

绘制曲线，与1层 Sigmoid 进行对比。

在使用两层 Sigmoid 作为隐藏层时，训练结果极差，出现了梯度消失的现象。在训练两轮之后， Loss 值不再降低，准确率不再提升。
隐藏层 先为Relu层，后为Sigmoid层 的多层感知机

本次训练采用4层感知机进行训练。
- 第一层为全连接层，将784个神经元的输入，转化为128个神经元的输出。
- 第二层采用 Relu 激活层，为128个神经元进行非线性变换。
- 第三层采用 Sigmoid 激活层，为128个神经元进行非线性变换。
- 第四层为全连接层，将128个神经元的输入，转化为对应数字0到9的10个输出。
```
ReluSigmoidMLP = Network()
# 128为隐含层的神经元数目
ReluSigmoidMLP.add(FCLayer(784, 128))
ReluSigmoidMLP.add(ReLULayer())
ReluSigmoidMLP.add(SigmoidLayer())
ReluSigmoidMLP.add(FCLayer(128, 10))
```
训练结束后，在测试集上进行测试，准确率为 0.6315。
隐藏层 先为Sigmoid层，后为Relu层 的多层感知机

本次训练采用4层感知机进行训练。
- 第一层为全连接层，将784个神经元的输入，转化为128个神经元的输出。
- 第二层采用 Sigmoid 激活层，为128个神经元进行非线性变换。
- 第三层采用 Relu 激活层，为128个神经元进行非线性变换。
- 第四层为全连接层，将128个神经元的输入，转化为对应数字0到9的10个输出。
```
SigmoidReluMLP = Network()
# 128为隐含层的神经元数目
SigmoidReluMLP.add(FCLayer(784, 128))
SigmoidReluMLP.add(SigmoidLayer())
SigmoidReluMLP.add(ReLULayer())
SigmoidReluMLP.add(FCLayer(128, 10))
```
训练结束后，在测试集上进行测试，准确率为 0.6996。

绘制曲线，与先为Relu层，后为Sigmoid层的做对比。

由上图可知，先 Sigmoid 层，后 Relu 层的效果更好，但是两者效果都不如两层都是 Relu 的效果好。

4 寻找最佳超参数

本章通过遍历不同超参数，探索超参数对训练结果的影响，寻找最佳的超参数。

4.1 利用网格搜索寻找最佳超参数

编写代码，遍历超参数可能的取值，寻找最佳超参数。

from criterion import SoftmaxCrossEntropyLossLayer
from optimizer import SGD
from layers import FCLayer, ReLULayer
import itertools
import gc# 定义超参数的可能取值
batch_sizes = [32,64,128]
max_epochs = [10,20,30]
learning_rates = [0.001, 0.005, 0.01]
weight_decays = [0.1, 0.01, 0.001]# 保存最佳结果的变量
best_accuracy = 0.0
best_hyperparameters = {}
criterion = SoftmaxCrossEntropyLossLayer()def build_and_train_model(batch_size, max_epoch, learning_rate, weight_decay):sgd = SGD(learning_rate, weight_decay)model = Network()# 128为隐含层的神经元数目model.add(FCLayer(784, 128))model.add(ReLULayer())model.add(ReLULayer())model.add(FCLayer(128, 10))model, model_loss, model_acc = train(model, criterion, sgd, data_train, max_epoch, batch_size, 1000)return model, model_loss, model_acc# 遍历所有超参数组合
for batch_size, max_epoch, learning_rate, weight_decay in itertools.product(batch_sizes, max_epochs, learning_rates, weight_decays
):# 构建和训练模型（使用当前超参数组合）model, model_loss, model_acc = build_and_train_model(batch_size, max_epoch, learning_rate, weight_decay)accuracy = test(model, criterion, data_test, batch_size, disp_freq)# 如果当前组合的性能更好，则更新最佳结果if accuracy > best_accuracy:best_accuracy = accuracybest_hyperparameters = {'batch_size': batch_size,'max_epoch': max_epoch,'learning_rate': learning_rate,'weight_decay': weight_decay}del model  # 删除网络对象gc.collect()     # 执行垃圾回收# 打印最佳结果
print("Best Hyperparameters:", best_hyperparameters)
print("Best Accuracy:", best_accuracy)

因为内存空间不足，未能跑完所有的超参数，在有限的内存中跑出的最佳参数，及测试结果如下。

Best Hyperparameters: {‘batch_size’: 32, ‘max_epoch’: 20, ‘learning_rate’: 0.005, ‘weight_decay’: 0.001} Best Accuracy: 0.9524238782051282

可以观察到，在batch_size选择较小值，训练轮次较大，学习率较高，权重衰减较小时，结果更好。

4.2 探寻学习率对训练结果的影响

编写代码，让模型分别在学习率为 [0.001, 0.005, 0.01] 的值训练，对比训练结果，寻找最佳的取值。

# 探寻学习率对训练结果的影响
from criterion import SoftmaxCrossEntropyLossLayer
from optimizer import SGD
from layers import FCLayer, ReLULayerlrs = [0.001, 0.005, 0.01]
loss_lrs = []
acc_lrs = []
# 单层Relu，学习率0.1
criterion = SoftmaxCrossEntropyLossLayer()for lr in lrs:sgd = SGD(lr, 0.001)model = Network()# 128为隐含层的神经元数目model.add(FCLayer(784, 128))model.add(ReLULayer())model.add(FCLayer(128, 10))model, model_loss, model_acc = train(model, criterion, sgd, data_train, max_epoch, batch_size, 1000)loss_lrs.append(model_loss)acc_lrs.append(model_acc)plot_loss_and_acc({'lr=0.001': [loss_lrs[0], acc_lrs[0]],'lr=0.005': [loss_lrs[1], acc_lrs[1]],'lr=0.01': [loss_lrs[2], acc_lrs[2]]})

训练结果：

由上图可知，学习率越高，训练结果越好，其中学习率为 0.01 时训练效果最好。

4.3 探寻权重衰减对训练效果的影响

编写代码，让模型分别在权重衰减为 [0.001, 0.005, 0.01] 的值训练，对比训练结果，寻找最佳的取值。

# 探寻权重衰减对训练效果的影响
from criterion import SoftmaxCrossEntropyLossLayer
from optimizer import SGD
from layers import FCLayer, ReLULayerwds = [0.001, 0.005, 0.01]
loss_wds = []
acc_wds = []
criterion = SoftmaxCrossEntropyLossLayer()for wd in wds:sgd = SGD(0.005, wd)model = Network()# 128为隐含层的神经元数目model.add(FCLayer(784, 128))model.add(ReLULayer())model.add(FCLayer(128, 10))model, model_loss, model_acc = train(model, criterion, sgd, data_train, max_epoch, batch_size, 1000)loss_wds.append(model_loss)acc_wds.append(model_acc)plot_loss_and_acc({'wd=0.001': [loss_wds[0], acc_wds[0]],'wd=0.005': [loss_wds[1], acc_wds[1]],'wd=0.01': [loss_wds[2], acc_wds[2]]})

训练结果：

由上图可知，权重衰减值越小，训练结果最好，其中权重衰减值为 0.001 时结果最好。

4.4 探寻batch_size对训练效果的影响

编写代码，让模型分别在batch_size为 [32, 64, 128] 的值训练，对比训练结果，寻找最佳的取值。

# 探寻batch_size对训练效果的影响
from criterion import SoftmaxCrossEntropyLossLayer
from optimizer import SGD
from layers import FCLayer, ReLULayerbss = [32, 64, 128]
loss_bss = []
acc_bss = []
criterion = SoftmaxCrossEntropyLossLayer()for bs in bss:sgd = SGD(0.01, 0.001)model = Network()# 128为隐含层的神经元数目model.add(FCLayer(784, 128))model.add(ReLULayer())model.add(FCLayer(128, 10))model, model_loss, model_acc = train(model, criterion, sgd, data_train, max_epoch, bs, 1000)loss_bss.append(model_loss)acc_bss.append(model_acc)plot_loss_and_acc({'batch_size=32': [loss_bss[0], acc_bss[0]],'batch_size=64': [loss_bss[1], acc_bss[1]],'batch_size=128': [loss_bss[2], acc_bss[2]]})

由上图可知，batch size 越小，训练效果越好，其中 batch size = 32 时训练效果最好。

4.5 测试最佳多层感知机

根据以上研究，我选取了以下超参数，作为本次实验找到的最佳超参数，并选取了 Softmax交叉熵作为损失函数，两层 Relu 作为隐藏层进行测试，得到的结果即为本实验训练出的最佳多层感知机。

batch size = 32：每批次选取32张图片进行训练。
max epoch = 50：进行50轮迭代训练。
learning rate = 0.1：学习率设置为0.1。
weight decay = 0.001：权重衰减设置为0.001。

# 最佳训练超参数
from criterion import SoftmaxCrossEntropyLossLayer
from optimizer import SGD
from layers import FCLayer, ReLULayerbatch_size = 32
max_epoch = 50learning_rate_SGD = 0.1
weight_decay = 0.001disp_freq = 1000
criterion = SoftmaxCrossEntropyLossLayer()sgd = SGD(learning_rate_SGD, weight_decay)Best_model = Network()
# 128为隐含层的神经元数目
Best_model.add(FCLayer(784, 128))
Best_model.add(ReLULayer())
Best_model.add(ReLULayer())
Best_model.add(FCLayer(128, 10))
Best_model, Best_model_loss, Best_model_acc = train(Best_model, criterion, sgd, data_train, max_epoch, batch_size, disp_freq)test(Best_model, criterion, data_test, batch_size, disp_freq)

本实验得到的最佳多层感知机测试准确率为0.9759。

绘图对比这组超参数与之前训练较好的 Relu+Softmax交叉熵损失组合，发现该组结果明显很好。