Considerar cómo se comporta una función de activación en Deep Learning es de gran importancia, puesto que este es uno de los cálculos más importantes dentro del manejo de los macrodatos en Deep Learning. Por este motivo, en este post, te exponemos un ejemplo de una función de activación en Deep Learning.
Ejemplo de una función de activación en Deep Learning
Tanh es un claro ejemplo de una función de activación, puesto que esta forma parte de las principales alternativas y de las más usadas, junto a Sigmoid, ReLU, Leaky ReLU, Maxout y ELU.
Por ello, en el desarrollo de este post, te expondremos cómo se comportan Tanh como un ejemplo de una función de activación en Deep Learning.
# probamos la tanh activation_function = tf.nn.tanh learning_rate = 0.1 lr_decay = 1e-3 n_epochs = 10 batch_size = 128 train_network_decay_fnact(activation_function, learning_rate, lr_decay, batch_size, n_epochs)
0] cost: nan lr: 0.0999
[1] cost: nan lr: 0.0998001
[2] cost: nan lr: 0.0997002999
[3] cost: nan lr: 0.0996005996001
[4] cost: nan lr: 0.0995009990004999
[5] cost: nan lr: 0.0994014980014994
[6] cost: nan lr: 0.0993020965034979
[7] cost: nan lr: 0.09920279440699441
[8] cost: nan lr: 0.09910359161258742
[9] cost: nan lr: 0.09900448802097483
¡Entrenamiento finalizado!
Accuracy: 0.098
Ahora probemos a cambiar la inicialización de la bias, en vez de a 0s, a 1s.
# definimos la función para entrenar nuestra red con los parámetros deseados
def train_network_decay_fnact_b1(activation_function, learning_rate, lr_decay, batch_size, n_epochs):
# creamos los contenedores para nuestras entradas y salidas
x = tf.placeholder(tf.float32, [None, 784]) # imágenes del mnist: 28*28=784
y = tf.placeholder(tf.float32, [None, 10]) # número indicando la clase 0-9 => 10 clases
# creamos las variables W y b para el entrenamiento
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.ones([10]))
# por último, construimos el modelo
pred = activation_function(tf.matmul(x, W) + b)
# ahora, definimos nuestra función de pérdidas: la cros-entropía
# a veces la llaman loss, a veces cost; es lo mismo
cost = tf.reduce_mean(-tf.reduce_sum(y*tf.log(pred), reduction_indices=1))
# calculamos los gradientes (gradient descent)
grad_W, grad_b = tf.gradients(xs=[W, b], ys=cost)
# definimos las operaciones para actualizar los pesos con los gradientes calculados
# e implementamos el learning rate decay
new_W = W.assign(W - learning_rate * (1-lr_decay) * grad_W)
new_b = b.assign(b - learning_rate * (1-lr_decay) * grad_b)
# inicializamos las variables
init = tf.global_variables_initializer()
# para almacenar el histórico de costes
costs = []
# inicializamos current_lr
current_lr = learning_rate
# empezamos la sesión
with tf.Session() as sess:
sess.run(init)
# entrenamiento de nuestra red
for epoch in range(n_epochs):
avg_cost = 0.
total_batch = int(mnist.train.num_examples/batch_size)
# en vez de actualizar los pesos para cada imagen, podríamos
# hacerlo de X en X imágenes
for i in range(total_batch):
batch_xs, batch_ys = mnist.train.next_batch(batch_size)
# ejecutamos la optimización
Wc, bc, c = sess.run([new_W, new_b ,cost], feed_dict={x: batch_xs,
y: batch_ys})
# calculamos el coste teniendo en cuenta los batches que hay
avg_cost += c / total_batch
# actualizamos el learning_rate igual que lo hace tensorflow
current_lr = current_lr * (1-lr_decay)
# guardamos nuestro coste en el histórico
costs.append(avg_cost)
# Imprimimos las iteraciones
# current_lr = learning_rate * (1-lr_decay) ** (epoch * batch_size + i)
print("[{}] cost: {} lr: {}".format(epoch, avg_cost, current_lr))
print("Entrenamiento finalizado!!")
# comprobamos lo que ha aprendido nuestra red
correct_prediction = tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1))
# calculamos el accuracy (precisión)
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print("Accuracy:", accuracy.eval({x: mnist.test.images, y: mnist.test.labels}))
# veamos nuestra función de pérdidas con respecto a las épocas ejecutadas
plt.plot(np.arange(0, n_epochs), costs)
plt.title("Training Loss")
plt.xlabel("Epoch #")
plt.ylabel("Loss")
# probamos la tanh y bias 1 en vez de 0
activation_function = tf.nn.tanh
learning_rate = 0.1
lr_decay = 1e-3
n_epochs = 10
batch_size = 128
train_network_decay_fnact_b1(activation_function, learning_rate, lr_decay, batch_size, n_epochs)
[0] cost: 0.008607449590462947 lr: 0.06510201771893982
[1] cost: 0.0015046053062929034 lr: 0.04238272711077151
[2] cost: 0.0009448280053795052 lr: 0.02759201051342441
[3] cost: 0.000697504240373097 lr: 0.017962955573461316
[4] cost: 0.0005533601562242894 lr: 0.011694246520280062
[5] cost: 0.0004660144618832847 lr: 0.007613190441729219
[6] cost: 0.000399490859357332 lr: 0.004956340590351182
[7] cost: 0.00035307134551431404 lr: 0.003226677729341426
[8] cost: 0.00031454832165416305 lr: 0.0021006323070889344
[9] cost: 0.00028564449004060433 lr: 0.001367554016770813
Entrenamiento finalizado!!
Accuracy: 0.6698
¿Cuál es el siguiente paso Big Data?
En este post, te hemos expuesto un ejemplo de una función de activación en Deep Learning por medio sus alternativas más importantes, Tanh, para observar cómo se comporta. Sin embargo, sabemos que este proceso requiere de muchos más procesos para el desarrollo óptimo del Deep Learning como parte fundamental del manejo de los macrodatos, por lo que te animamos a continuar con tu proceso de aprendizaje.
Para facilitarte este proceso de formación, desde KeepCoding te brindamos el Bootcamp Full Stack Big Data, Inteligencia Artificial & Machine Learning, en el que aprenderás acerca del proceso de ingesta, clasificación, resguardo, procesamiento y presentación de los macrodatos gracias al uso de diferentes herramientas, lenguajes y sistemas. Podrás completarlo en menos de nueve meses y, entonces, ya serás capaz de reconocer las ventajas e inconvenientes de los distintos programas estudiados. ¡Echa un vistazo a nuestro temario e inscríbete ahora!
