吴恩达深度学习课程二： 改善深层神经网络 第三周：超参数调整，批量标准化和编程框架 课后习题和代码实践

此分类用于记录吴恩达深度学习课程的学习笔记。
课程相关信息链接如下：

1. 原课程视频链接：[双语字幕]吴恩达深度学习deeplearning.ai
2. github课程资料，含课件与笔记:吴恩达深度学习教学资料
3. 课程配套练习（中英）与答案：吴恩达深度学习课后习题与答案

本篇为第二课第三周的课程习题和代码实践部分笔记。

---

1. 理论习题：独热编码

还是先上链接：
【中英】【吴恩达课后测验】Course 2 - 改善深层神经网络 - 第三周测验
因为本周内容大多是一些补充，因此习题也大多只是之前了解到的死知识，就不再多提了。
这部分补充一个之前出现的技术：独热编码

1.1 独热编码（One-Hot Encoding）

之前在多值预测与多分类这部分里，我们提到过，在多分类的情况下， 使用独热编码来表示各个分类，现在就来展开一下这个技术。
为了让解释更直观，我们全程使用同一个实例：

例子：识别动物类别，有三类：猫（Cat）、狗（Dog）、兔子（Rabbit）。
我们用这个例子贯穿整个独热编码的说明。

（1）用独热编码表示分类的直接形式

在多分类中，一个类别就是一个“离散的标签”，没有数值大小，也不存在“比谁大一点”的概念。
但神经网络输出的是一组数字，为了让网络能理解“哪个类别是正确答案”，我们就需要把“猫/狗/兔子”变成神经网络能处理的格式。

独热编码就是最直接的方式：每一个类别对应一个位置，正确的那个位置为 1，其余为 0。
来看看具体怎么做：现在对我们的动物识别例子做独热编码处理，结果如下：

类别	独热编码
猫 Cat	[1, 0, 0]
狗 Dog	[0, 1, 0]
兔 Rabbit	[0, 0, 1]

其中：

• 三个神经元对应三个分类
• “1”表示正确分类，“0”表示不是
• 标签永远只有一个位置是 1

这就是“独热”：只有一个地方热
这是它对多分类的直接表现形式。

（2）为什么二分类不使用独热编码？

那你可能会问：
“既然多分类用独热，那二分类是不是也能写成 [1,0] 和 [0,1]？”
答案：理论上可以，实践中不会这么做。
原因很简单：没必要
简单展开一下：
二分类的本质是：是否属于某一类（比如“是不是猫”）

只需要一个神经元 + sigmoid，就能表达“是的概率”。
这意味着 一个神经元就能表达整个二分类的状态。

这种结构浪费计算，还会带来梯度重复问题。
什么叫“梯度重复”？，这是softmax在二分类应用中出现的问题。

假设某张图真实标签是：

猫 → [1, 0]

而模型预测是：

ŷ = [0.4, 0.6]

也就是模型认为“不是猫”的概率比“是猫”还高。
根据交叉熵，我们得到两个神经元的损失项：

L1 = -1 * log(0.4)
L2 = -0 * log(0.6)

乍看只第一个有影响。
但真正计算梯度时，Softmax 会让两个神经元一起参与：

• 第 1 个神经元（猫）要把概率从 0.4 推到更高
• 第 2 个神经元（不是猫）要把概率从 0.6 推到更低

于是反向传播时两个神经元都会更新：

• 第一个神经元：“我应该更强一点”
• 第二个神经元：“我应该更弱一点”
  这就产生了两个方向相反但意义重复的梯度。

而这两个神经元本质上是一件事：

P(不是猫) = 1 − P(是猫)

所以，这种结构就是让网络：

• 学一次“猫应该更强”
• 再学一次“不是猫应该更弱”

这其实是同一条语义的两次更新。

这就是二分类使用softmax带来的梯度重复现象：
它让模型参数增加，训练更慢，softmax还让两个输出互相牵连，一个升另一降，让本来很简单的二分类被人为增加了耦合难度。

（3） 多分类不使用独热编码的影响

那多分类为什么不能像二分类一样直接写成0，1，2呢？
就像这样：

类别	非独热写法
猫	0
狗	1
兔	2

你可能已经发现了问题所在，我们在一开始就强调了：类别不存在“比谁大一点”的概念
使用上面这种分类方法带俩的严重问题就是：神经网络会错误地认为“兔 > 狗 > 猫”

再简单展开一下：
在这种分类方式下，模型会把 “误差”理解为数值距离。

例如真实标签是“兔 = 2”，模型预测成“猫 = 0”。
模型认为误差 = |2 − 0| = 2
那预测成“狗 1”误差就会变小。
于是， 模型会错误地认为预测成“狗”比预测成“猫”更接近正确答案，带来梯度的混乱。
但实际上，我们知道：“猫”和“狗”与“兔”之间没有“更近”的关系，它们应该是三种平行的、不可比较的类别。
所以这种写法会导致训练逻辑错误，学习方向混乱，效果极差。

（4）独热编码对多分类的适配性

现在再来看看独热编码的优势。
继续使用我们动物识别例子：
真实标签“兔子” → [0, 0, 1]
假设模型输出的是 Softmax 后的概率：

预测为：猫   0.1
预测为：狗   0.2
预测为：兔   0.7

Softmax 输出为：

ŷ = [0.1, 0.2, 0.7]

真实标签为：

y  = [0, 0, 1]

交叉熵损失就很自然：

Loss = - log(预测为兔的概率) = -log(0.7)

只有正确类别那一项会参与计算，其余项为 0，不影响损失。

但重点来了：虽然损失项只有一项，但梯度来自所有类别
上面的损失表达式容易让人误解：“只有一项有用，那是不是梯度也只来自那一项？”
其实不是。

我们继续看：
Softmax + CrossEntropy 的梯度公式非常简单：

\[\frac{\partial L}{\partial z_i} = \hat{y}_i - y_i \]

代入我们的例子：

• 对“猫”神经元：\(0.1 - 0 = 0.1\)
• 对“狗”神经元：\(0.2 - 0 = 0.2\)
• 对“兔”神经元：\(0.7 - 1 = -0.3\)
  可以看到：
• “兔” 的梯度是负的 → 相关参数会变大（让概率更接近 1）
• “猫”和“狗”的梯度是正的 → 相关参数会变小（让概率更接近 0）

这恰好符合我们对多分类的直观理解： 正确类变得更确定，其他类一起被压下去。

这就是多分类中，独热编码，softmax，交叉熵形成的更新链条，我们在下面的实践部分就能感受到它的效果。

2. 代码实践

在课程要求里，这周的实践作业是Tensorflow的入门，主要以了解Tensorflow的基本原理和语法为主，还是把这位博主的链接放在前面，介绍了使用Tensorflow构建神经网络的过程。
【中文】【吴恩达课后编程作业】Course 2 - 改善深层神经网络 - 第三周作业

虽然依然使用Pytorch来进行演示，但随着引入Tensorflow框架，之后课程内容对此的介绍和使用也会增加。因此，之后我都会在最后附上一个Tensorflow版本的代码。

2.1 多分类数据集

为了演示本周的内容，我们暂时放下之前的猫狗二分类数据集。
这次，我们使用一个新的数据集：手写数字图像识别。
你可能之前已经知道这个数据集了，它并不需要我们和之前一样在网上寻找数据集下载。
pytorch内置了这个经典数据集的下载链接，我们可以直接通过API下载它到项目目录：

from torchvision import datasets, transforms  
from torch.utils.data import DataLoader
# 载入训练数据集  
train_dataset = datasets.MNIST(root='./data', train=True, download=True, transform=transform)  
# 载入测试数据集  
test_dataset = datasets.MNIST(root='./data', train=False, download=True, transform=transform)

运行后，你就会在你设置的root路径中发现这样的一个文件夹：

这是一个十分类数据集，包含七万张手写数字图像。可以以此对手写数字的图像进行分类，如果训练的模型较为成功，那么我们就可以得到一个可以识别手写数字的分类器。

2.2 网络结构

根据我们在本周所了解的内容，再结合数据集的情况，我们设计新的网络结构如下：

class NeuralNetwork(nn.Module):  def __init__(self):  super(NeuralNetwork, self).__init__()  self.flatten = nn.Flatten()  self.hidden1 = nn.Linear(28*28, 512)  # 灰度图只有一个通道来表示亮暗程度，不用像彩色图像一样乘3。self.hidden2 = nn.Linear(512, 256)  self.hidden3 = nn.Linear(256, 128)  self.hidden4 = nn.Linear(128, 32)  self.relu = nn.ReLU()  # 输出层（使用Softmax进行多分类）  self.output = nn.Linear(32, 10)  # 输出10个类别（0-9）  self.softmax = nn.Softmax(dim=1) # dim=1:对每一行（即每个样本的所有类别分数）进行计算，将每个类别的分数转化为概率。init.xavier_uniform_(self.output.weight)  def forward(self, x):  x = self.flatten(x)  x = self.relu(self.hidden1(x))  x = self.relu(self.hidden2(x))  x = self.relu(self.hidden3(x))  x = self.relu(self.hidden4(x))  x = self.output(x)  x = self.softmax(x)  # 使用Softmax输出类别概率  return x

2.3 损失函数和其他设置

# 迭代设置
train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True)  
test_loader = DataLoader(test_dataset, batch_size=64, shuffle=False)
# 图像较简单，因此增加批次大小到64# 损失函数和优化器  
criterion = nn.CrossEntropyLoss()  # 多分类使用交叉熵损失  
optimizer = optim.Adam(model.parameters(), lr=0.001) # 优化器默认选择Adam
num_epochs = 10 # 训练十轮

这里要单独说明的是，我们上面了解到的对多分类的独热编码就被封装在CrossEntropyLoss损失函数的设置里，它内部会自动把标签整数转为独热的形式进行计算。

2.4 第一次结果分析: 多分类

现在，我们根据上面的设置，来看看训练结果：

如果你看过之前的几次代码实践，可能会有一些疑惑，为什么几乎相同的配置下，猫狗二分类的准确率最高才刚刚到70%，现在都扩展到十分类并简化了网络结构的情况下，准确率却在90%以上？
很明显，二者最大的区别就是数据集不同。
我们来解释一下为什么手写数字图像识别的训练效果这么好：

• 猫狗数据集：图像复杂、背景多变、光照、姿势都可能不同，样本间差异大，网络需要学习的特征复杂，因此训练难度高，准确率提升较慢。
• 手写数字 MNIST 数据集：图像统一大小、灰度处理，数字相对居中，背景干净，样本间差异小，网络很容易学习到区分特征，因此即使网络结构相对简单，也能快速达到高准确率。

简单来说，就是手写数字的数据好，图像简单，而数据的可分性和特征明确程度直接决定了训练效果。
因此，MNIST也常常作为图神经网络的入门教程，即使我们使用的是全连接网络，也能达到较高的准确率，甚至你使用sigmoid和二分类交叉熵也能达到较好的拟合效果。

究其根本，数据好，就像品质极佳的原材料，就是水煮一下，也十分美味。

2.5 加入批量标准化

我们本周了解了batch归一化，知道了它能起到加速训练，同时有轻微正则化的作用。
现在，我们就再把BN加入数字图像识别模型。
在Pytorch中，BN也被封装在网络结构模块里，完善后如下：

class NeuralNetwork(nn.Module):  def __init__(self):  super(NeuralNetwork, self).__init__()  self.flatten = nn.Flatten()  self.hidden1 = nn.Linear(28 * 28, 512)  self.bn1 = nn.BatchNorm1d(512)  # 第一层的BNself.hidden2 = nn.Linear(512, 256)  self.bn2 = nn.BatchNorm1d(256)  # 第二层的BNself.hidden3 = nn.Linear(256, 128)  self.bn3 = nn.BatchNorm1d(128)  # 第三层的BNself.hidden4 = nn.Linear(128, 32)  self.bn4 = nn.BatchNorm1d(32)  # 第四层的BNself.relu = nn.ReLU()  self.output = nn.Linear(32, 10)  self.softmax = nn.Softmax(dim=1)  init.xavier_uniform_(self.output.weight)  # 把BN加入传播过程def forward(self, x):  x = self.flatten(x)  x = self.hidden1(x)  x = self.bn1(x)  # 这里 x = self.relu(x)  x = self.hidden2(x)  x = self.bn2(x)  # 这里x = self.relu(x)  x = self.hidden3(x)  x = self.bn3(x)  # 这里x = self.relu(x)  x = self.hidden4(x)  x = self.bn4(x)  # 这里x = self.relu(x)  x = self.output(x)  x = self.softmax(x)  return x

于此同时，我们记得BN在训练和测试中对参数的使用有差别，测试中会使用训练中的全局均值和全局方差。
而这个逻辑是通过训练模式和评估模式的转换完成的：

model.train()  # 训练中维护全局 BN 参数
····训练代码
model.eval()   # 测试中使用固定全局 BN 参数

现在我们再来看看结果。

2.6 第二次结果分析：加入BN

来看看加入BN前后的对比：

经过多次测试，可以较明显的发现，BN起到了加速训练的作用，在相同的其他配置下，使用BN的模型准确率也高于不使用BN。

3.附录

3.1 PyTorch版：数字图像识别模型代码

import torch  
import torch.nn as nn  
import torch.optim as optim  
from torchvision import datasets, transforms  
from torch.utils.data import DataLoader  
from torch.nn import init  
import matplotlib.pyplot as plt  transform = transforms.Compose([  transforms.ToTensor(),  transforms.Normalize((0.5,), (0.5,))  
])  
# 载入训练数据集  
train_dataset = datasets.MNIST(  root='./data',  train=True,  download=True,  transform=transform  
)  
test_dataset = datasets.MNIST(  root='./data',  train=False,  download=True,  transform=transform  
)  
train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True)  
test_loader = DataLoader(test_dataset, batch_size=64, shuffle=False)  class NeuralNetwork(nn.Module):  def __init__(self):  super(NeuralNetwork, self).__init__()  self.flatten = nn.Flatten()  self.hidden1 = nn.Linear(28 * 28, 512)  self.bn1 = nn.BatchNorm1d(512)  self.hidden2 = nn.Linear(512, 256)  self.bn2 = nn.BatchNorm1d(256)  self.hidden3 = nn.Linear(256, 128)  self.bn3 = nn.BatchNorm1d(128)  self.hidden4 = nn.Linear(128, 32)  self.bn4 = nn.BatchNorm1d(32)  self.relu = nn.ReLU()  self.output = nn.Linear(32, 10)  self.softmax = nn.Softmax(dim=1)  init.xavier_uniform_(self.output.weight)  def forward(self, x):  x = self.flatten(x)  x = self.hidden1(x)  x = self.bn1(x)  x = self.relu(x)  x = self.hidden2(x)  x = self.bn2(x)  x = self.relu(x)  x = self.hidden3(x)  x = self.bn3(x)  x = self.relu(x)  x = self.hidden4(x)  x = self.bn4(x)  x = self.relu(x)  x = self.output(x)  x = self.softmax(x)  return x  device = torch.device("cuda" if torch.cuda.is_available() else "cpu")  
model = NeuralNetwork().to(device)  criterion = nn.CrossEntropyLoss()  
optimizer = optim.Adam(model.parameters(), lr=0.001)  num_epochs = 10  
train_losses, train_accuracies, test_accuracies = [], [], []  
# 训练  
for epoch in range(num_epochs):  model.train()  running_loss = 0.0  correct_train = 0  total_train = 0  for images, labels in train_loader:  images, labels = images.to(device), labels.to(device)  optimizer.zero_grad()  outputs = model(images)  loss = criterion(outputs, labels)  loss.backward()  optimizer.step()  running_loss += loss.item() * images.size(0)  _, predicted = torch.max(outputs, 1)  total_train += labels.size(0)  correct_train += (predicted == labels).sum().item()  epoch_loss = running_loss / len(train_loader.dataset)  train_accuracy = correct_train / total_train  train_losses.append(epoch_loss)  train_accuracies.append(train_accuracy)  # 测试  model.eval()  correct_test = 0  total_test = 0  with torch.no_grad():  for images, labels in test_loader:  images, labels = images.to(device), labels.to(device)  outputs = model(images)  _, predicted = torch.max(outputs, 1)  total_test += labels.size(0)  correct_test += (predicted == labels).sum().item()  test_accuracy = correct_test / total_test  test_accuracies.append(test_accuracy)  print(f"Epoch {epoch + 1}/{num_epochs} | Loss: {epoch_loss:.4f} | "          f"Train Acc: {train_accuracy:.4f} | Test Acc: {test_accuracy:.4f}")  # 可视化  
plt.figure(figsize=(10, 5))  
plt.plot(train_losses, label='Train Loss', marker='o')  
plt.plot(train_accuracies, label='Train Accuracy', marker='x')  
plt.plot(test_accuracies, label='Test Accuracy', marker='s')  
plt.title('Training Loss & Accuracy')  
plt.xlabel('Epoch')  
plt.ylabel('Value')  
plt.ylim(0, max(max(train_losses), 1.0) + 0.1)  
plt.grid(True)  
plt.legend()  
plt.show()

3.2 Tensorflow版：数字图像识别模型代码

import tensorflow as tf  
from tensorflow.keras import layers, optimizers, losses  
import matplotlib.pyplot as plt  # 载入 MNIST 数据  
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()  
# 定义模型类  
class NeuralNetwork(tf.keras.Model):  def __init__(self):  super(NeuralNetwork, self).__init__()  self.flatten = layers.Flatten()  self.rescale = layers.Rescaling(1. / 127.5, offset=-1)  # [-1,1] 归一化  self.hidden1 = layers.Dense(512)  self.bn1 = layers.BatchNormalization()  self.hidden2 = layers.Dense(256)  self.bn2 = layers.BatchNormalization()  self.hidden3 = layers.Dense(128)  self.bn3 = layers.BatchNormalization()  self.hidden4 = layers.Dense(32)  self.bn4 = layers.BatchNormalization()  self.output_layer = layers.Dense(10, activation='softmax')  def call(self, x, training=False):  x = self.flatten(x)  x = self.rescale(x)  x = self.hidden1(x)  x = self.bn1(x, training=training)  x = tf.nn.relu(x)  x = self.hidden2(x)  x = self.bn2(x, training=training)  x = tf.nn.relu(x)  x = self.hidden3(x)  x = self.bn3(x, training=training)  x = tf.nn.relu(x)  x = self.hidden4(x)  x = self.bn4(x, training=training)  x = tf.nn.relu(x)  x = self.output_layer(x)  return x  # 实例化模型  
model = NeuralNetwork()  # 编译模型：加设置  
model.compile(optimizer=optimizers.Adam(learning_rate=0.001),  loss=losses.SparseCategoricalCrossentropy(),  metrics=['accuracy'])  # 训练模型  
num_epochs = 10  
batch_size = 64  
history = model.fit(x_train, y_train,  validation_data=(x_test, y_test),  epochs=num_epochs,  batch_size=batch_size)  # 可视化训练曲线  
plt.figure(figsize=(10, 5))  
plt.plot(history.history['loss'], label='Train Loss', marker='o')  
plt.plot(history.history['accuracy'], label='Train Accuracy', marker='x')  
plt.plot(history.history['val_accuracy'], label='Test Accuracy', marker='s')  
plt.title('Training Loss & Accuracy')  
plt.xlabel('Epoch')  
plt.ylabel('Value')  
plt.ylim(0, max(max(history.history['loss']), 1.0) + 0.1)  
plt.grid(True)  
plt.legend()  
plt.show()