1

Réseaux de neurones et
deep learning :
Utilisation et
méthodologie
GEOFFREY DANIEL – CEA/IRFU/DAP
 3
L’inévitable IA

 Génération automatique de texte : rapports et synthèses

 Reconnaissance d’images : reconnaissance biométrique, classifications
d’images sur les réseaux sociaux
 Agents virtuels : chatbots
 Reconnaissance automatique de la parole
 Automatisation robotisée
 Génération d’image, de musique

Geoffrey Daniel - CEA/Irfu/DAp

 4
L’inévitable IA

L’IA surpasse l’humain Google car

Geoffrey Daniel - CEA/Irfu/DAp

 5
Philosophie du Machine Learning

Intervention Intervention
humaine ? humaine ?

Données Algorithme de Données de

Données Prétraitement
d’entrées Machine Learning sortie

Apprentissage

Geoffrey Daniel - CEA/Irfu/DAp

 6
La forêt du Machine Learning

Et encore, ce
n’est qu’une
partie

Jason Brownlee
2013

Geoffrey Daniel - CEA/Irfu/DAp

 7
La forêt du Machine Learning

Et encore, ce
n’est qu’une
partie

Jason Brownlee
2013

Geoffrey Daniel - CEA/Irfu/DAp

 8
Deep learning : un peu d’histoire

Geoffrey Daniel - CEA/Irfu/DAp [Link]

 9
Deep learning : l’avènement

Première utilisation
du Deep learning
dans la compétition

Geoffrey Daniel - CEA/Irfu/DAp

 10
Applications du deep learning

[Link]
General News, Medical

Reconnaissance d’émotions Détection de cancers

Geoffrey Daniel - CEA/Irfu/DAp

 11
Réseaux de neurones et deep
learning

 Réseaux de neurones : Structure constituée d’un ensemble (couches) de

briques élémentaires (neurones) effectuant chacune des opérations
simples

Classification :
𝑂𝑢𝑡𝑝𝑢𝑡 ∈ 0,1

Régression :
𝑂𝑢𝑡𝑝𝑢𝑡 ∈ ℝ, 0,1 , ℝ+∗ …

Michael Nielsen
Geoffrey Daniel - CEA/Irfu/DAp
 12
Réseaux de neurones et deep
learning

 Apprentissage profond : nombre de couches élevé

Geoffrey Daniel - CEA/Irfu/DAp

 13
Mathématiquement : le calcul d’un
neurone 𝑛
𝑋∈ℝ
Neurone
Vocabulaire : 𝑥0
𝑋 : données d’entrée (ou
couche précédente) 𝑎 = 𝜎(𝑧 = 𝑊 𝑇 . 𝑋 + 𝑏)
𝑊 : poids (weight)
𝑥1
𝑊 ∈ ℝ𝑛 , 𝑏 ∈ ℝ
𝑏 : biais (bias) 𝜎∶ℝ→ℝ
………
𝑎 : output du neurone

𝜎 : fonction d’activation
𝑥𝑛
𝑧 : calcul intermédiaire
Geoffrey Daniel - CEA/Irfu/DAp
 14
La fonction d’activation

1
𝑅𝑒𝐿𝑈(𝑥) = max(𝑥, 0) : La plus utilisée 𝑆𝑖𝑔𝑚𝑜ï𝑑𝑒 𝑥 = : Pour la classification
1+𝑒 −𝑥
Simplicité de calcul, gradient non évanescent entre 0 et 1 en output

𝑒 −𝑧
Et d’autres : tanh 𝑥 (variante de la sigmoïde), 𝑠𝑜𝑓𝑡𝑚𝑎𝑥 𝑥 = −𝑧 (multi-classes exclusives),…
𝑧0 ∈𝑜𝑢𝑡𝑝𝑢𝑡 𝑒 0
Geoffrey Daniel - CEA/Irfu/DAp
 15
Et maintenant, un réseau

Couche 1 Couche l
Entrée 𝑋 ∈ ℝ 𝑛0 Sortie 𝑌 ∈ ℝ𝑛𝑦
𝐴 1 ∈ ℝ𝑛1 𝐴 𝑙 ∈ ℝ𝑛𝑙

𝑥0 1 ………… 𝑙 ………… 𝑦0
𝑎0 𝑎0

𝑥1 1 𝑙 𝑦1
𝑎1 ........... 𝑎1 …………
.........

.........

.........

.........
𝑥𝑛0 1 ………… 𝑙 𝑦𝑛𝑦
𝑎𝑛1 𝑎𝑛𝑙 .........
Geoffrey Daniel - CEA/Irfu/DAp
 16
Théorème d’approximation universelle

 Soit 𝑓 ∶ 0,1 𝑛 → 0,1 𝑚 . Pour tout 𝜖 > 0, il existe un réseau de neurones à une seule couche
intermédiaire 𝑅𝑁 tel que 𝑓 − 𝑅𝑁 ∞ < 𝜖
 Cela signifie que toute fonction bornée peut être approximée par un réseau de neurones.

 Condition nécessaire pour le fonctionnement des réseaux de neurones

 Montre l’intérêt des réseaux de neurones
 Condition non suffisante en pratique :
 Le théorème ne dit rien sur le nombre de neurones : en fait, pour un réseau monocouche, énormément
de neurones peuvent être nécessaires selon la fonction 𝑓 à approximer

Geoffrey Daniel - CEA/Irfu/DAp

 17
La fonction de coût

 Évaluer la qualité de la prédiction sur un jeu de données connues

 Notation : 𝜃, paramètres du réseau (poids + biais) ; 𝑌 𝜃 = yij 𝜃 , output du réseau 𝑗 pour

ij
l’exemple 𝑖 ; 𝑌 = 𝑦𝑖𝑗 , données réelles pour la valeur 𝑗 du vecteur de sortie associé à l’exemple 𝑖
𝑖𝑗

 Loss function :
𝐿 𝜃 = 𝑓 𝑌 𝜃 ,𝑌
 Exemples de fonctions de coût :
2 2
 Distance euclidienne (au carré) : 𝑓 𝑌 𝜃 , 𝑌 = 𝑌 𝜃 − 𝑌 2
= 𝑖𝑗 𝑦𝑖𝑗 𝜃 − 𝑦𝑖𝑗 𝜃

 Binary cross-entropy, pour la classification 0 ou 1 : 𝑓 𝑌 𝜃 , 𝑌 = 𝑖𝑗 𝑦𝑖𝑗 ln 𝑦𝑖𝑗 𝜃 + 1 − 𝑦𝑖𝑗 ln 1 − 𝑦𝑖𝑗 𝜃

 Distance en norme 1 : 𝑓 𝑌 𝜃 , 𝑌 = 𝑌 𝜃 − 𝑌 1
= 𝑖𝑗 𝑦𝑖𝑗 𝜃 − 𝑦𝑖𝑗 𝜃

 Et d’autres…
Geoffrey Daniel - CEA/Irfu/DAp
 18
La fonction de coût : utilité

 Sur l’apprentissage :
 La fonction de coût doit être minimisée : 𝜃𝑜𝑝𝑡𝑖𝑚𝑎𝑢𝑥 = argmin 𝑓 𝑌𝑙𝑒𝑎𝑟𝑛𝑖𝑛𝑔 𝜃 , 𝑌𝑙𝑒𝑎𝑟𝑛𝑖𝑛𝑔
𝜃

 Fonction non convexe !!! Minima locaux possibles, mais :

 Plusieurs minima locaux aussi « bons » vis-à-vis de la fonction de coût (Yann Le Cun)
 On peut tomber dans un mauvais minimum, mais ceci est rare : différentes techniques permettent
d’éviter cela (dropout, régularisation… voir séance 2)

 Monitoring de l’apprentissage :
 On peut vérifier que la fonction de coût décroît bien à chaque itération sur notre jeu de
données (voir séances 2 et 3)

Geoffrey Daniel - CEA/Irfu/DAp

 19
L’apprentissage

 Supposons que nous avons un jeu de données d’entrées 𝑋𝑖 et de sorties 𝑌𝑖 et un réseau de

neurones avec les paramètres 𝜃 = 𝑊, 𝐵 qui prédit les sorties 𝑌𝑖 à partir des données 𝑋𝑖
 Minimisation de la fonction de coût 𝐿 par descente de gradient (itérations) :

𝜃 ≔ 𝜃 − 𝜆𝛻L 𝜃
𝜆 est le taux d’apprentissage : valeur définie ou adaptée à chaque itération pour assurer la
convergence

 Intérêt des réseaux de neurones : le gradient de la fonction de coût 𝐿 se calcule « facilement »,

par succession de calculs élémentaires appelé backpropagation

Geoffrey Daniel - CEA/Irfu/DAp

 20
Calcul du gradient : backpropagation

𝑙 𝑙
 Pour chaque poids 𝑤𝑘 et biais 𝑏𝑘 du neurone 𝑘 de la couche 𝑙, on veut calculer pour chque
exemple 𝑖 :
𝜕𝐿𝑖 𝜕𝐿𝑖
𝑙
; 𝑙
𝜕𝑤𝑘 𝜕𝑏𝑘
 Pour la dernière couche 𝑛 :

𝜕𝐿𝑖 𝜕𝐿𝑖 𝜕𝑌𝑖 𝑘 𝜕𝐿𝑖 𝜕𝐿 𝜕𝑌𝑖 𝑘

𝑛
= ; =
𝜕𝑤𝑘 𝜕𝑌𝑖𝑘 𝜕𝑤 𝑛 𝜕𝑏 𝑛 𝜕𝑌𝑖 𝑘 𝜕𝑏 𝑛
𝑘 𝑘 𝑘

𝑛 𝑛 𝑇 𝑛
𝑌𝑖 𝑘 = 𝜎 𝑧𝑘 = 𝑤𝑘 𝑎 𝑛−1 + 𝑏𝑘
𝜕𝑌𝑖 𝑘 𝜕𝑌𝑖 𝑘 𝜕𝑧𝑘𝑛 𝑛 𝜕𝑌𝑖 𝑘 𝜕 𝑌𝑖 𝑘 𝜕𝑧𝑘𝑛 𝑛
𝑛
= 𝑛 𝑛
= 𝜎 ′ 𝑧𝑘 𝑎 𝑛−1 ∈ ℝ 𝑚𝑛−1 ; 𝑛
= 𝑛 𝑛
= 𝜎 ′ 𝑧𝑘 ∈ℝ
𝜕𝑤𝑘 𝜕𝑧𝑘 𝜕𝑤𝑘 𝜕𝑏𝑘 𝜕𝑧𝑘 𝜕𝑏𝑘
Geoffrey Daniel - CEA/Irfu/DAp
 21
Calcul du gradient : backpropagation

𝜕𝐿𝑖 𝜕𝐿𝑖 ′ 𝑛 𝜕𝐿𝑖 𝜕𝐿𝑖 ′ 𝑛

𝑛
= 𝜎 𝑧𝑘 𝑎 𝑛−1 ; 𝑛
= 𝜎 𝑧𝑘
𝜕𝑤𝑘 𝜕𝑌𝑖 𝑘 𝜕𝑏𝑘 𝜕𝑌𝑖 𝑘

 Exemple avec :
2
𝐿𝑖 = 𝑌𝑖 𝜃 − 𝑌𝑖
1
𝜎 𝑥 =
1 + 𝑒 −𝑥
 On obtient :
𝑛 𝑛 𝑛
𝜎 ′ 𝑧𝑘 = 𝜎 𝑧𝑘 1 − 𝜎 𝑧𝑘 = 𝑌𝑖 𝑘 1 − 𝑌𝑖 𝑘 Propriété du sigmoïde
𝜕𝐿
= 2 𝑌𝑖 𝑘 − 𝑌𝑖 𝑘
𝜕𝑌𝑖 𝑘
Geoffrey Daniel - CEA/Irfu/DAp
 22
Calcul du gradient : backpropagation

En rouge : par forward pass

 Pour les autres couches 𝑙 ≠ 𝑛 : de manière récursive En bleu : par récursivité

𝑙 𝑙
𝜕𝐿𝑖 𝜕𝐿𝑖 𝜕𝑎𝑘 𝜕𝐿𝑖 ′ 𝑧 𝑙 𝑙−1
𝜕𝐿𝑖 𝜕𝐿𝑖 𝜕𝑎𝑘 𝜕𝐿𝑖 𝑙
𝑙
= 𝑙 𝑙
= 𝑙
𝜎 𝑘 𝑎 ; 𝑙
= 𝑙 𝑙
= 𝑙
𝜎 ′ 𝑧𝑘 ; pour 𝑙 = 1, 𝑎 0 = 𝑋
𝜕𝑤𝑘 𝜕𝑎𝑘 𝜕𝑤𝑘 𝜕𝑎𝑘 𝜕𝑏𝑘 𝜕𝑎𝑘 𝜕𝑏𝑘 𝜕𝑎𝑘

𝑙+1
𝜕𝐿𝑖 𝜕𝐿𝑖 𝜕𝑎𝑗
𝑙
= 𝑙+1 𝑙
𝜕𝑎𝑘 𝑗 𝜕𝑎𝑗 𝜕𝑎𝑘

𝑙+1
𝑙+1 𝑙+1 𝑙+1 𝑙 𝑙+1
𝜕𝑎𝑗 𝑙+1 𝑙+1
𝑎𝑗 = 𝜎 𝑧𝑗 = 𝑤𝑗 𝑎𝑘 ′ + 𝑏𝑗 ⇒ 𝑙
= 𝑤𝑗 𝜎 ′ 𝑧𝑗
𝑘′ 𝜕𝑎𝑘 𝑘
𝑘′

Geoffrey Daniel - CEA/Irfu/DAp

 23
Ajustement des paramètres

𝜕𝐿𝑖 𝜕𝐿𝑖
 On connaît 𝑙 et 𝑙 pour chaque exemple 𝑖
𝜕𝑤𝑘 𝜕𝑏𝑘

 Finalement :

𝑙 𝑙 1 𝜕𝐿𝑖
𝑤𝑘 ≔ 𝑤𝑘 −𝜆 𝑙
𝑁𝑒𝑥𝑒𝑚𝑝𝑙𝑒𝑠 𝜕𝑤𝑘
𝑖
𝑙 𝑙 1 𝜕𝐿𝑖
𝑏𝑘 ≔ 𝑏𝑘 −𝜆 𝑙
𝑁𝑒𝑥𝑒𝑚𝑝𝑙𝑒𝑠 𝜕𝑏𝑘
𝑖

 On peut ne travailler simultanément que sur des sous-ensembles de la base de

données (mini-batch), cela peut accélérer les calculs (voir séances 2 et 3)

Geoffrey Daniel - CEA/Irfu/DAp

 24
Résumé des points importants

 Réseaux de neurones : calculs élémentaires 𝑎 = 𝜎(𝑧 = 𝑊 𝑇 . 𝑋 + 𝑏)

 Chercher les paramètres 𝜃 = 𝑊, 𝑏 qui minimisent une fonction de coût sur la base de
données d’apprentissage : 𝜃𝑜𝑝𝑡𝑖𝑚𝑎𝑢𝑥 = argmin 𝑓 𝑌𝑙𝑒𝑎𝑟𝑛𝑖𝑛𝑔 𝜃 , 𝑌𝑙𝑒𝑎𝑟𝑛𝑖𝑛𝑔
𝜃

 Apprentissage par descente de gradient : 𝜃 ≔ 𝜃 − 𝜆𝛻L 𝜃

Geoffrey Daniel - CEA/Irfu/DAp

 25
Pour la suite

 Il n’est pas obligatoire de coder tous ces calculs soi-même ! Il existe des librairies qui
font directement cela.

 Séance suivante :
 Méthodologie pour mettre en place une architecture
 Savoir évaluer son architecture et comment l’améliorer
 Mise en place de méthodes de régularisation pour éviter l’overfitting
 Savoir évaluer un réseau de neurones pour la classification

Geoffrey Daniel - CEA/Irfu/DAp

 26
Quelques ressources

 Cours en ligne :
 Coursera, spécialisation deep learning :
[Link]
Quiz pour s’entraîner et exercices de programmation (Python) : fortement
recommandé pour ceux qui veulent vraiment faire du deep learning

 Cours de Yann Le Cun au Collège de France sur l’apprentissage profond (vidéos) :

[Link]

 Open Course MIT (1ère vidéo, les autres sont normalement proposées à la suite par
Youtube)
[Link]

Geoffrey Daniel - CEA/Irfu/DAp

 27
Quelques ressources

 Vidéos Youtube :
 Science Étonnante : Le deep learning (présentation générale)
[Link]
 3blue1brown : Calcul des réseaux de neurones illustrés (4 vidéos) :
[Link] (Introduction aux ANN)
[Link] (Descente de gradient)
[Link] (Backpropagation version friendly)
[Link] (Backpropagation calculs)
 Science4all : Playlist Intelligence artificielle, presque 50 vidéos sur l’IA (parfois un peu
« philosophiques » et « sociologiques », d’autres plus techniques, réseaux de neurones à partir
de la vidéo 40)
[Link]
(vidéos 42 et 43 non accessibles dans la playlist, mais toujours accessibles depuis la chaîne)
Geoffrey Daniel - CEA/Irfu/DAp