文科生如何理解卷積神經網絡？

不肯意看那一堆公式符號，卻想知道卷積神經網絡（Convolutional Neural Network）如何作圖像分辨？分享一段我給本身研究生的講解答疑視頻，但願對你有幫助。

茫然

常有朋友問，個人Python和數據科學課程開在哪一個學期，他們想過來蹭課。

很差意思，這個真沒有。

我寫了一系列的數據科學教程。但本來只是給我本身的研究生賦能，並不是課程講義。

他們有的人，本科學的專業，與技術絕不沾邊。

可是情報學是個交叉學科。尤爲是近幾年，與數據科學融合愈發深刻。

往周圍看看，其餘社會科學專業，例如新聞學、心理學、社會學、政治學等，都在利用開放互聯網數據集，作以往沒法想象的大規模信息分析。

在這種狀況下，你一個情報學研究生，處在本來就有數據分析優點的學科，卻一點兒也不掌握數據科學技能，出門好意思跟其餘同窗打招呼嗎？

因而我給他們寫教程，寫儘可能讓文科生能看懂的教程。

事實證實，他們能跟着教程，作出來結果。

可是，我在《Python編程遇問題，文科生怎麼辦？》中說過，「照葫蘆畫葫蘆」，只是你入門數據科學的第一步。

你須要理解技術應用的前提和方法，這樣才能應對本身的研究問題，利用適當工具，加以解決。

本週的組會上，我聽一年級研究生論文翻譯展現，明顯感受他們對於卷積神經網絡結構與原理，依然不清楚。

我很奇怪。

由於我專門爲他們寫過至少2篇文章，都是講如何利用卷積神經網絡作圖像處理的。

並且，他們還用本身的數據集，從新作過訓練與測試。

在文章裏，我還給他們介紹了深度學習模型的基本原理，而且在文末詳細列出了參考資料，供延伸閱讀。

這麼長時間過去了，怎麼仍是懵懵懂懂？

倘在從前，我確定要訓人了。

由於怎麼看，這都是學習態度不端正的問題。

可是，有了同理心訓練基礎，我忽然可以理解他們的茫然與苦惱了。

同理

他們看到的延伸閱讀材料，像一個黑洞。

這個黑洞吸取他們的時間和工做量，卻看不到任何正反饋。

由於他們缺少基礎。

要學好深度神經網絡，並不須要多麼高人一等的智慧。可是一些基礎要件卻很重要。這些基礎包括：

• 編程
• 數學
• 英語

若是有這3個基礎，你根本無需導師幫助。自修 Coursera 上 Andrew Ng 《深度學習》這樣的精品MOOC課程，就會讓你成長迅速，大呼過癮。

但是對國內的文科生來講，上面列出的幾個基礎要件，可謂是「三座大山」，能壓得他們步履維艱。

編程沒學過，數學早忘了，英語不過關。

你讓他們一點一滴從頭學起，所有補齊？

即使真補完整了，也該畢業了。

還作什麼研究？

誠然，老師能夠幫助他們精簡學習模塊。

編程很差，不要緊。

不要去碰 Tensorflow 的神經網絡結構搭建細節語句，只要會用最簡單的 TuriCreate 調用遷移學習工具，幾行代碼搞定圖像識別。

英語很差，沒事兒。

我把教程給你用中文寫出來。你直接照着作，就能出結果。

可是數學很差，理解不了神經網絡模型的原理，怎麼辦？

從前我也是一籌莫展。

要麼把整個工具看成黑箱，只知道輸入輸出，就能作出結果來。

但這是用戶的態度，不是研究者的態度。

這種低水準認知，可能讓你有機會充分實踐什麼叫「垃圾進，垃圾出」。

不少對統計學一無所知的學生，不就是這麼玩兒SPSS的嗎？

想到這裏，我忽然靈光一閃。

借鑑

統計學對不少文科生，也很難學。

他們是經過什麼途徑學會的呢？

是一種「有限度拆解」。

只學會導入數據，點按鈕出圖表，顯然不夠用。

可是從頭推各類分佈的公式，講解閾值設定（例如那個神奇的0.7）的原理……人早就跑掉了。

怎麼辦？

我想起來了李連江教授的這本書。

李老師的態度，是原理要講清楚，不能讓學生隨便「拷打」數據。

可是又不能深刻到底層數學原理，那樣不少文科生根本就看不懂，甚至會很快喪失掉興趣。

他的辦法，簡單而實際。

就是舉例子和打比方。

用一個SPSS自帶的僱員例子，他解釋了好幾章的內容。從數據的類型，一直到多元迴歸。

由於有了實際樣例，學生充分代入，就好理解。

講到因子分析，作旋轉。這個怎麼講？

他用了兩個比喻。

一個是三大男高音，表明3個因子。

三大男高音同臺的演唱會，觀衆如潮。

有的觀衆愛聽多明哥，有的愛聽卡雷拉斯，有的是衝着帕瓦羅蒂來的。

可是觀衆們都坐在一塊兒，你分不清哪一個觀衆到底是哪位歌唱家的粉絲。

怎麼辦？

讓男高音們分開唱，唱對臺戲。

這是第二個比喻。

一旦有對臺戲，觀衆選擇的座位，就明確表明了態度。

某個問項，歸屬於哪一個因子，也一樣能夠經過因子唱對臺戲（旋轉）來分辨。

讀了《戲說統計》，我以爲講得真好。

可是我後來看了李老師的課程視頻，以爲收穫更大。

由於視頻的信息傳播更加豐富。

一樣是剛纔的例子，由於有了圖像化解讀，學生能夠理解得更加透徹而深入。



尤爲是，每當講到研究中統計結果出來，須要一些「不足爲外人道」、「社會科學界有共識」的操做手法，李老師的笑容，總能讓人跟着忍俊不由。

講解

有了李連江老師的例子作參考，我用組會的剩餘時間，以板書的形式，一步步爲研究生們講解了如下內容：

• 深度神經網絡的基本結構；
• 神經元的計算功能實現；
• 如何對深度神經網絡作訓練；
• 如何選擇最優的模型（超參數調整）；
• 卷積神經網絡基本原理；
• 遷移學習的實現；
• 疑問解答。

我沒有追求最大化的嚴謹，也沒有對例子的通用性和實用性作更多的要求，只是從頭至尾，把一個簡化到極致的圖像識別模型，與客戶流失預判模型進行了對比講解。

一樣的，我用了樣例，也用了打比方，盡力把聽講的認知負荷，降到最低。

過程當中，我要求學生隨時提問。所以交互很密切。

講解完畢後，他們幾個表示，這下終於弄懂了卷積神經網絡的基礎知識。

因爲最近閻教練的工做坊訓練了視覺記錄行爲，我講了幾分鐘後，忽然覺察到這一段能夠錄下來，分享給更多人。

因而我讓坐在前排的楊文同窗，幫我錄製了視頻。

視頻中沒有能包含最初的幾分鐘內容，即剛纔列表的前兩個部分。頗爲遺憾。

不過不要緊，過一段時間後，我準備組會時讓研究生上講臺，把這一段複述一遍，做爲學習效果檢查。

若是他們作得好，我會錄下來，分享給你們。

他們還不知道個人打算。

因此你看見後，別告訴他們。噓！

這段視頻時長接近30分鐘，不算短。

若是你和他們同樣，讀過了個人《如何用Python和深度神經網絡鎖定即將流失的客戶？》、《如何用Python和深度神經網絡識別圖像？》和《如何用Python和深度神經網絡尋找近似圖片？》這幾篇文章，可是對於深度神經網絡的原理構造仍是迷茫，建議你從頭看到尾，可能會有一些收穫。

歡迎點擊這個連接，觀看視頻。

有言在先，由於是即興講解，沒有任何準備。內容若有疏漏，在所不免。

歡迎各位高手幫助指出紕漏，我會在未來的講解中，迭代改進。

提早謝過！

討論

你是如何學會卷積神經網絡工做原理的？對於研究中遇到的數學公式，你有沒有什麼更好的辦法理解和掌握呢？歡迎留言，把你的經驗和思考分享給你們，咱們一塊兒交流討論。

喜歡請點贊。還能夠微信關注和置頂個人公衆號「玉樹芝蘭」(nkwangshuyi)。

若是你對數據科學感興趣，不妨閱讀個人系列教程索引貼《如何高效入門數據科學？》，裏面還有更多的有趣問題及解法。