这些专栏文章将探讨一个主题，解释相关背景知识，并就一些来自 MATLAB® 社区的问题进行解答。

这篇专栏文章的主题是深度学习网络架构。我选择的问题反映的是常见用法，而不是学术用例。我将概括介绍该主题，然后探讨以下四个问题：

  1. 要进行图像分类，我应该使用哪种架构？
  2. 在时序应用中，我能否重用基于图像数据训练的架构？
  3. 对于时序回归，我该如何选择合适的方法？
  4. 对于小型数据集，我应该使用哪种网络架构？

网络架构定义了深度学习模型的构建方式，更重要的是定义了它的功能。架构会决定：

  • 模型准确度（网络架构是影响准确度的众多因素之一）
  • 模型能预测什么
  • 模型期望的输入和输出
  • 层的组合以及数据如何流经这些层

大部分人会利用已有的成果，从现成的层组合入手开始训练。毕竟初次尝试某件事的话，借鉴前人的工作不失为一个好办法。相当一段时间以来，深度学习研究人员都在探索不同的网络架构和层组合。得益于他们的工作，我们有了 GoogLeNet、ResNet、SqueezeNet 等各种网络，这些架构都取得了很好的效果。刚起步时，您可以选择一个解决类似问题的已有架构，在它的基础上进行构建，而无需从头开始。

在选择网络架构之前，务必了解您的用例类型以及可用的常见网络。

接下来回答问题。

Deep Learning Toolbox™ 支持众多预训练网络。如需完整列表，请参见预训练的深度神经网络。

开始接触深度学习时，您可能会遇到以下常见架构：

  • 卷积神经网络 (CNN)：CNN 通常用来处理图像输入数据，但也可以用于其他输入数据，我将在问题 1 中详细说明。
  • 循环神经网络 (RNN)：RNN 包含连接，可跟踪先前信息以进行未来预测。CNN 假定每个输入是独立事件，而 RNN 则可以处理可能相互影响的数据序列。例如在自然语言处理中，前面的单词会影响后续单词出现的可能性。
  • 长短期记忆 (LSTM) 网络：LSTM 网络是针对序列和信号数据的常用 RNN。我将在问题 3 中进行详细介绍。
  • 生成式对抗网络 (GAN)：尽管下面的问题不会涉及这类网络，但是 GAN 最近越来越火了。GAN 可以基于现有数据生成新数据（想像一下并非现实真人的人像）。我觉得这挺有意思，而且有点未来感；您可以在训练生成式对抗网络 (GAN) 示例中了解有关 GAN 的更多信息。
如何设计和训练生成式对抗网络 (GAN) (7:46)

1. 我需要一个图像分类模型。我应该使用哪种架构？

很好的问题。先说结论，您或许可以使用 CNN 进行图像分类。

原因如下。

我们首先谈谈 CNN 和 LSTM 网络分别是什么，以及它们的常见用途。

CNN

当谈到卷积神经网络时，有些人会说“ConvNet”，但我总觉得我自己这样说会显得有点装。

CNN 由许多层组成，但形式上遵循一种“卷积 | ReLU | 池化”的模式，这会一再重复、反反复复。这类网络通常很适合处理图像分类问题，因为它们非常擅长局部空间模式匹配，而且在图像特征提取方面通常也优于其他方法。别忘了，CNN 的核心是卷积。使用一系列过滤器对输入图像进行卷积可以突出图像中的特征，而不会丢失相邻像素之间的空间关系。

CNN 有很多变体，一些常见配置如下：

视频长度为 4:44

串联网络

Alexnet 示例。串联层排列成一直线。

Alexnet 示例。串联层排列成一直线。

DAG 网络

GoogLeNet 示例。多线多连接是 DAG 的典型特征。

GoogLeNet 示例。多线多连接是 DAG 的典型特征。

LSTM

长短期记忆网络主要用于时序和序列数据。LSTM 网络会记住决策之前的部分数据，从而利用数据的上下文更好地作出关联。

根据经验，时序数据通常最适合用 LSTM 网络处理，而图像数据适合用 CNN。信号数据则是一个与经验部分吻合的例外。CNN 和 LSTM 网络都可以用来处理信号数据。我写过一篇关于深度学习非图像应用的文章，其中一个示例就是使用 CNN 进行语音识别。

下图是一个用于分类的简单 LSTM 网络架构：

下图是一个用于分类的简单 LSTM 网络架构

下图是一个用于回归的简单 LSTM 网络架构：

下图是一个用于回归的简单 LSTM 网络架构：

2. 在时序应用中，我能否重用基于图像数据训练的架构？

可以！您需要将输出层从 classificationOutputLayer 更改为 regressionOutputLayer，可以跟随这个简单的文档示例进行操作。

这是 Deep Learning Toolbox 的快速入门指南，您可以方便地参考这份文件解决类似问题。

快速入门指南

3. 实现时序回归的选择太多！我该如何选择合适的架构？

我的第一反应肯定是建议您采用 LSTM 网络！但是，其他方法的存在必然有其意义，事实上，某些方法在特定场景下表现会更好。如果没有更多背景信息，我就很难具体回答这个问题，因此让我们逐一分析几种可能的场景。

时序回归场景 1：我的输入是低复杂度的时序数据。我想使用一系列数据点来预测未来的事件。 这种情况最好使用机器学习。这里有一个简短的视频 (5:56)，介绍如何使用机器学习预测比特币的波动率。此示例的源代码也有提供。

视频长度为 3:42

时序回归场景 2：我想使用来自多个传感器的数据预测机器剩余使用寿命（即机器在不得不维修或更换之前可以使用的时间）。

这个问题来自我们在工业自动化领域的客户，他们需要赶在问题变得危险或处理代价高昂之前先找出问题。对于这个场景，最好选择 LSTM 网络而不是机器学习回归。这种方法不要求手动识别特征，毕竟在多传感器的情况下，手动识别特征会是相当艰巨的任务。

您可以通过这个示例了解如何使用 LSTM 网络预测剩余使用寿命。

时序回归场景 3：我想要对音频数据进行去噪。

这里可以使用 CNN。这种方法的重点在于，在将信号传送到网络之前，先要将信号转换成图像。也就是说，您需要通过傅里叶变换或其他时频操作，将信号转换为图像表示。借助图像，您可以看到原始信号中难以可视化的特征。这里可以使用为图像任务设计的预训练网络，因为傅里叶变换本质上是图像。

这个示例演示了如何使用 CNN 对语音进行去噪。

对于场景 3，我还要补充一点：如果要从时序数据中提取信息并将其用作 CNN 输入，小波也是一种比较主流的方法。这是一篇来自德克萨斯大学奥斯汀分校研究人员的文章，讲述了他们如何利用小波和深度学习，将大脑信号转换成单词和短语。

要再次重申的是，您可以自由发挥。您完全有可能在场景 1 中使用 LSTM 网络，或者在场景 2 中使用 CNN。这些场景只是为您提供一个起点。

4. 我想构建一个用来识别图像的分类器，但是我的数据集有限。有没有一种网络架构可以更好地处理小型数据集？

网络架构和预训练网络是密切相关的。预训练模型是经过训练的神经网络。网络的权重和偏置会根据输入数据进行调整，因此面对新任务时，可以较快地重新训练网络。此过程称为迁移学习，有时所需的图像会比较少，适用于小型数据集。另一个可以考虑的方法是通过模拟或数据增强“创造”更多数据。

为帮助您进一步了解各种网络架构的适用场景，我们汇总了一些提示和窍门，其中还包括有关预训练网络的信息。

对于这个问题，我认为无论数据集大小如何，您都可以使用任何您认为合适的网络，但可以考虑使用预训练网络来减少所需的输入数据量，或考虑采用一些方法来增强数据集。