編者按：幾個月前，Deepmind在ICML上發表了一篇論文《Neural Processes》，提出了一種兼具神經網絡高效性和高斯過程靈活性的方法——神經過程，被稱為是高斯過程的深度學習版本。雖然倍受關注，但目前真正能直觀解讀神經過程的文章并不多，今天論智帶來的是牛津大學在讀PHDKaspar M?rtens的一篇可視化佳作。

在今年的ICML上，研究人員提出了不少有趣的工作，其中神經過程（NPs）引起了許多人的注意，它基于神經網絡概率模型，但又可以表示隨機過程的分布。這意味著NPs結合了兩個領域的元素：

深度學習：神經網絡是靈活的非線性函數，可以直接訓練

高斯過程：GP提供了一個概率框架，可用于學習非線性函數的分布

兩者都有各自的優點和缺點。當數據量有限時，由于本身具備概率性質可以描述不確定性，GP是首選（這和非貝葉斯神經網絡不同，后者只能捕捉單個函數，而不是函數分布）；而當有大量數據時，訓練神經網絡比GP推斷更具擴展性，因此優勢更大。

神經過程的目標就是實現神經網絡和GP的優勢融合。

什么是神經過程？

NP是一種基于神經網絡的方法，用于表示函數的分布。下圖展示了如何建立NP模型，以及訓練模型背后的一般想法：

給定一系列觀察值(xi,yi)，把它們分成“context points”和“target points”兩組。現在，我們要根據“context points”中已知的輸入輸出對(xc,yc)，其中c=1,…,C，和“target points”中的未知輸入x?t，其中t=1,…,T，預測其相應的函數值y?t。

我們可以把NP看作是根據“context points”中的“target points”建模的模型，相關信息通過潛在空間z從左側流向右側，從而提供新的預測。右側本質上是從x映射到y的有限維嵌入，而z是個隨機變量，這就使NP成了概率模型，能捕捉函數的不確定性。一旦模型完成訓練，我們就可以用z的近似后驗分布作為測試時進行預測的先驗。

乍看之下，這種分“context points”和“target points”的做法有點類似把數據集分成訓練集和測試集，但事實并非如此，因為“target points”集也是直接參與NP模型訓練的——這意味著模型的（概率）損失函數在這個集上有明確意義。這樣做也有助于防止模型過擬合和提供更好的泛化性。在實踐中，我們還需要反復把訓練數據通過隨機采樣分為“context points”中的“target points”，以獲得更全面的概括。

讓我們來思考以下兩種情況：

基于單個數據集推斷函數的分布

當存在多個數據集且它們之間存在某種相關性時，推斷函數的分布

對于情況一，常規的（概率）監督學習就能解決：給定一個包含N個樣本的數據集，比如(xi, yi)，其中i=1,…,N。假設確實存在一個函數f，它能產生yi=f(xi)，我們的目標就是學習f的后驗分布，然后用它預測測試集上某點的函數值f(x?)。

對于情況二，我們則需要從元學習的角度去觀察。給定D個數據集，其中d=1,…,D，每個數據集包含Nd個數據對(xi(d), yi(d))。如果我們假設每個數據集都有自己的基函數fd，輸入xi后，它們有yi=fd(xi)，那么在這種情況下，我們就可能想要了解每個fd的后驗分布，然后把經驗推廣到新數據集d?上。

對于數據集很多但它們的樣本很少的情況，情況二的做法特別有用，因為這時模型學到的經驗基于所有fd，它的內核、超參數是這些函數共享的。當給出新的數據集d?時，我們可以用后驗函數作為先驗函數，然后執行函數回歸。

之所以要舉著兩個例子，是因為一般來說，GP適用于情況一，即便N很小，這種做法也很有效。而NP背后的思路似乎主要來自元學習——在這種情況下，潛在的z可以被看作是用于不同數據集間信息共享的機制。但是，NP同樣具有概率模型的特征，事實上，它同時適用于以上兩種情況，具體分析請見下文。

NP模型是怎么實現的？

下面是NP生成模型的詳細圖解：

如果要逐步分解這個過程，就是：

首先，“context points”里的數據(xc,yc)通過神經網絡h映射，獲得潛在表征rc

其次，這個向量rc經聚合（操作：平均）獲得單個值r（和每個rc具有相同的維數）

這個r的作用是使z的分布參數化，例如p(z|x1:C,y1:C)=N(μz(r),σ2z(r))

最后，為了預測輸入x?t后的函數值，對z采樣并將樣本與x?t組成數對，用神經網絡g映射(z,x?t)獲得預測分布中的樣本y?t。

NP的推斷是在變分推斷（VI）框架中進行的。具體來說，我們介紹了兩種近似分布：

讓q(z|context)去近似條件先驗p(z|context)

讓q(z|context,target)去近似于各自的p(z|context,target)，其中context:=(x1:C,y1:C)，target:=(x?1:T,y?1:T)

下圖是近似后驗q(z|·)的具體推斷過程。也就是說，我們用相同的神經網絡h映射兩個數據集，獲得聚合的r，再把r映射到μz和σz，使后驗q(z|?)=N(μz,σz)被參數化。

變分下界包含兩個項（下式），其中第一項是target集上的預期對數似然，即先從z～q(z|context,target)上采樣（上圖左側），然后用這個z在target set上預測（上圖右側）。

第二項是個正則項，它描述了q(z|context,target)和q(z|context)之間的KL散度。這和常規的KL(q||p)有點不同，因為我們的生成模型一開始就把p(z|context)當做條件先驗，不是p(z)，而這個條件先驗有依賴于神經網絡h，這就是我們沒法得到確切值，只能用一個近似值q(z|context)。

實驗

NP作為先驗

我們先來看看把NP作為先驗的效果，也就是沒有觀察任何數據，模型也沒有經過訓練。初始化權重后，對z～N(0,I)進行采樣，然后通過x?值的生成先驗預測分布并繪制函數圖。

和具有可解釋內核超參數的GP相反，NP先驗不太明確，它涉及各種架構選擇（如多少隱藏層，用什么激活函數等），這些都會影響函數空間的先驗分布。

例如，如果我們用的激活函數是sigmoid，調整z的維數為{1, 2, 4, 8}。

如果用的是ReLU：

在一個小數據集上訓練NP

假設我們只有5個數據點：

由于NP模型需要context set和target set兩個數據集，一種方法是選取固定大小的context set，另一種方法則是用不同大小的context set，然后多迭代幾次（1個點、2個點……以此類推）。一旦模型在這些隨機子集上完成訓練，我們就可以用它作為所有數據的先驗和條件，然后根據預測結果繪制圖像。下圖展示了NP模型訓練時的預測分布變化。

可以發現，NP似乎已經成功學習了這5個數據點的映射分布，那它的泛化性能如何呢？我們把這個訓練好的模型放在另一個新的context set上，它的表現如下圖所示：

這個結果不足為奇，數據量太少了，模型過擬合可以理解。為了更好地提高模型泛化性，我們再來試試更大的函數集。

在一小類函數上訓練NP

上文已經用單個（固定）數據集探索了模型的訓練情況，為了讓NP像GP一樣通用，我們需要在更大的一類函數上進行訓練。但在準備復雜函數前，我們先來看看模型在簡單場景下的表現，也就是說，這里觀察的不是單個函數，而是一小類函數，比如它們都包含a?sin(x)，其中a∈[?1,1]。

我們的目標是探究：

NP能不能捕捉這些函數？

NP能不能概括這類函數以外的函數？

下面是具體步驟：

設a滿足均勻分布：a～U(?2,2)

設xi～U(?3,3)

定義yi:=f(xi)，其中f(x)=a?sin(x)

把數據對(xi,yi)隨機分成context set和target set兩個數據集，并進行優化

重復上述步驟

為了方便可視化，這里我們用了二維z，具體圖像如下所示：

從左往右看，模型似乎編碼了參數a，如果這幅圖不夠直觀，下面是調整某一潛在維度（z1或z2）的動態可視化：

需要注意的是，這里我們沒有用任何context set里的數據，只是為了可視化指定了具體的(z1, z2)值。接下來，就讓我們用這個模型進行預測。

如下左圖所示，當context set數據集里只包含(0, 0)一個點時，模型覆蓋了一個較寬的范圍，包含不同a取值下a?sin(x)的值域（雖然a∈[?2,2]，但訓練時并沒有完全用到）。

往context set數據集里添加第二個點(1,sin(1))后，可視化如中圖所示，相比左圖，它不再包含a為負數的情況。右圖是繼續添加f(x)=1.0sin(x)的點后的情況，這時模型后驗開始接近函數的真實分布情況。

這之后，我們就可以開始探究NP模型的泛化性，以2.5sin(x)和|sin(x)|為例，前者需要在a?sin(x)的基礎上做一些推斷，而后者的值始終是個正數。

如上圖所示，模型的值域還是和訓練期間一樣，但它在兩種情況下都出現了符合函數分布的一些預期。需要注意的是，這里我們并沒有給NP提供足夠多的不確定性，所以它預測不準確也情有可原，畢竟比起易于解釋的模型，這種自帶黑盒特性的模型更難衡量。

之后，作者又比較了GP和NP的預測分布情況，發現兩者性能非常接近，只是隨著給出的數據點越來越多時，NP會因為架構選擇（神經網絡過小、低緯度z）出現性能急劇下降。對此，以下幾個改進方法可以幫助解決問題：

2維z適合用于學習理解，在實際操作中，可視情況采用更高的維度

讓神經網絡h和g變得更深，擴大隱藏層

在訓練期間使用更多樣化的函數（更全面地訓練NP超參數），可提高NP模型泛化性

結論

雖然NP號稱結合了神經網絡和GP，能預測函數的分布，但它從本質上看還是更接近神經網絡模型——只需優化架構和訓練過程，模型性能就可以大幅提高。但是，這些變化都是隱含的，使得NP更難被解釋為先驗。