深度学习——暂退法
文章目录
前言
上一章介绍了权重衰减这一正则化技术,本章将记录一下另外一种常见的正则化技术:暂退法。
二、暂退法
2.1. 重新审视过拟合
当面对更多的特征而样本不足时,线性模型往往会过拟合。 相反,当给出更多样本而不是特征,通常线性模型不会过拟合。
不幸的是,线性模型没有考虑到特征之间的交互作用。 对于每个特征,线性模型必须指定正的或负的权重,而忽略其他特征。
泛化性和灵活性之间的这种基本权衡被描述为偏差-方差权衡。
线性模型有很高的偏差:它们只能表示一小类函数。 然而,这些模型的方差很低:它们在不同的随机数据样本上可以得出相似的结果。
与线性模型不同,神经网络并不局限于单独查看每个特征,而是学习特征之间的交互。 例如,神经网络可能推断“尼日利亚”和“西联汇款”一起出现在电子邮件中表示垃圾邮件, 但单独出现则不表示垃圾邮件。
即使我们有比特征多得多的样本,深度神经网络也有可能过拟合。
2.2. 扰动的稳健性
我们期待“好”的预测模型能在未知的数据上有很好的表现:经典泛化理论认为,为了缩小训练和测试性能之间的差距,应该以简单的模型为目标。
-
简单性以较小维度的形式展现,参数的范数也代表了一种有用的简单性度量。
-
简单性的另一个角度是平滑性,即函数不应该对其输入的微小变化敏感。
例如,当我们对图像进行分类时,我们预计向像素添加一些随机噪声应该是基本无影响的。
在训练过程中,建议在计算后续层之前向网络的每一层注入噪声。因为当训练一个有多层的深层网络时,注入噪声只会在输入-输出映射上增强平滑性。
这个想法被称为暂退法(dropout)。
暂退法在前向传播过程中,计算每一内部层的同时注入噪声,这已经成为训练神经网络的常用技术。
这种方法之所以被称为暂退法,因为我们从表面上看是在训练过程中丢弃一些神经元。
在整个训练过程的每一次迭代中,标准暂退法包括在计算下一层之前将当前层中的一些节点置零。
那么关键的挑战就是如何注入这种噪声。
- 一种想法是以一种无偏向(unbiased)的方式注入噪声。这样在固定住其他层时,每一层的期望值等于没有噪音时的值。
例如将高斯噪声添加到线性模型的输入中。
在每次训练迭代中,将从均值为零的分布
ϵ
∼
N
(
0
,
σ
2
)
\epsilon \sim \mathcal{N}(0,\sigma^2)
ϵ∼N(0,σ2),采样噪声添加到输入
x
\mathbf{x}
x,
从而产生扰动点
x
′
=
x
+
ϵ
\mathbf{x}' = \mathbf{x} + \epsilon
x′=x+ϵ,预期是
E
[
x
′
]
=
x
E[\mathbf{x}'] = \mathbf{x}
E[x′]=x。
- 在标准暂退法正则化中,通过按保留(未丢弃)的节点的分数进行规范化来消除每一层的偏差。
换言之,每个中间活性值 h h h以暂退概率 p p p由随机变量 h ′ h' h′替换,如下所示:
h ′ = { 0 概率为 p h 1 − p 其他情况 \begin{aligned} h' = \begin{cases} 0 & \text{ 概率为 } p \\ \frac{h}{1-p} & \text{ 其他情况} \end{cases} \end{aligned} h′={01−ph 概率为 p 其他情况
根据此模型的设计,其期望值保持不变,即 E [ h ′ ] = h E[h'] = h E[h′]=h。
2.3. 实践中的暂退法
当我们将暂退法应用到隐藏层,以 p p p的概率将隐藏单元置为零时, 结果可以看作一个只包含原始神经元子集的网络。
比如在下图中,删除了
h
2
h_2
h2和
h
5
h_5
h5,
因此输出的计算不再依赖于
h
2
h_2
h2或
h
5
h_5
h5,并且它们各自的梯度在执行反向传播时也会消失。这样,输出层的计算不能过度依赖于
h
1
,
…
,
h
5
h_1, \ldots, h_5
h1,…,h5的任何一个元素。
通常,我们在测试时不用暂退法。给定一个训练好的模型和一个新的样本,我们不会丢弃任何节点,因此不需要标准化。
然而也有一些例外:一些研究人员在测试时使用暂退法,用于估计神经网络预测的“不确定性”:
如果通过许多不同的暂退法遮盖后得到的预测结果都是一致的,那么我们可以说网络发挥更稳定。
2.4. 从零开始实现
要实现单层的暂退法函数,我们从均匀分布 U [ 0 , 1 ] U[0, 1] U[0,1]中抽取样本,样本数与这层神经网络的维度一致。
然后我们保留那些对应样本大于 p p p的节点,把剩下的丢弃。
2.4.1. 定义模型参数
我们实现 dropout_layer
函数,该函数以dropout
的概率丢弃张量输入X
中的元素。如上所述重新缩放剩余部分:将剩余部分除以1.0-dropout
。
import torch
from torch import nn
from d2l import torch as d2l
def dropout_layer(x,dropout):
assert 0 <= dropout <=1 #一个断言语句,用于确保dropout的值在0到1之间。
#在本情况下,所有元素都被丢弃
if dropout == 1:
return torch.zeros_like(x)
#在本情况下,所有元素都被保留
if dropout ==0:
return x
mask = (torch.rand(x.shape)> dropout).float()
return mask *x / (1.0 - dropout)
"""
生成一个与输入张量x形状相同的掩码(mask),其中掩码的每个元素都是从0到1之间的随机数。
如果随机数大于dropout概率,对应的元素在掩码中的值为1,表示保留;
如果随机数小于等于dropout概率,对应的元素在掩码中的值为0,表示丢弃.
最后,函数返回掩码乘以输入张量x,再除以保留概率(1.0 - dropout),以确保期望值不变
"""
#我们将输入`x`通过暂退法操作,暂退概率分别为0、0.5和1。
x = torch.arange(16,dtype= torch.float32).reshape((2,8))
print(x)
print(dropout_layer(x,0))
print(dropout_layer(x,0.5))
print(dropout_layer(x,1))
#结果:
tensor([[ 0., 1., 2., 3., 4., 5., 6., 7.],
[ 8., 9., 10., 11., 12., 13., 14., 15.]])
tensor([[ 0., 1., 2., 3., 4., 5., 6., 7.],
[ 8., 9., 10., 11., 12., 13., 14., 15.]])
tensor([[ 0., 0., 0., 0., 0., 10., 12., 14.],
[ 0., 0., 20., 0., 0., 0., 28., 30.]])
tensor([[0., 0., 0., 0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0., 0., 0., 0.]])
2.4.2. 定义模型
我们定义具有两个隐藏层的多层感知机,每个隐藏层包含256个单元。
我们可以将暂退法应用于每个隐藏层的输出(在激活函数之后),
并且可以为每一层分别设置暂退概率:
常见的技巧是在靠近输入层的地方设置较低的暂退概率。
下面的模型将第一个和第二个隐藏层的暂退概率分别设置为0.2和0.5,
并且暂退法只在训练期间有效。
# 定义模型
num_inputs, num_outputs, num_hiddens1, num_hiddens2 = 784, 10, 256, 256
dropout1, dropout2 = 0.2, 0.5
class Net(nn.Module): #继承自nn.Module
def __init__(self, num_inputs, num_outputs, num_hiddens1, num_hiddens2,
is_training = True):
super(Net, self).__init__() #调用父类nn.Module的构造函数,初始化父类的属性
self.num_inputs = num_inputs
self.training = is_training
self.lin1 = nn.Linear(num_inputs, num_hiddens1)
self.lin2 = nn.Linear(num_hiddens1, num_hiddens2)
self.lin3 = nn.Linear(num_hiddens2, num_outputs)
self.relu = nn.ReLU()
def forward(self, X): #定义了前向传播函数forward
H1 = self.relu(self.lin1(X.reshape((-1, self.num_inputs)))) #将输入X进行形状变换,并经过线性层1和激活函数层,得到H1
# 只有在训练模型时才使用dropout
if self.training == True:
# 在第一个全连接层之后添加一个dropout层
H1 = dropout_layer(H1, dropout1)
H2 = self.relu(self.lin2(H1))
if self.training == True:
# 在第二个全连接层之后添加一个dropout层
H2 = dropout_layer(H2, dropout2)
out = self.lin3(H2)
return out
net = Net(num_inputs, num_outputs, num_hiddens1, num_hiddens2)
2.4.3. 训练和测试
# 训练和测试
num_epochs, lr, batch_size = 10, 0.5, 256
loss = nn.CrossEntropyLoss(reduction="none")
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)
trainer = torch.optim.SGD(net.parameters(), lr=lr)
d2l.train_ch3(net, train_iter, test_iter, loss, num_epochs, trainer)
d2l.plt.show()
2.5. 简洁实现
net = nn.Sequential(nn.Flatten(),nn.Linear(784,256),
nn.ReLU(),
#在第一个全连接层之后添加一个dropout层
nn.Dropout(dropout1),
nn.Linear(256,256),
nn.ReLU(),
#在第二个..
nn.Dropout(dropout2),
nn.Linear(256,10))
def init_weights(m):
if type(m) == nn.Linear:
nn.init.normal_(m.weight,std= 0.1)
net.apply(init_weights)
trainer = torch.optim.SGD(net.parameters(),lr)
d2l.train_ch3(net,train_iter,test_iter,loss,num_epochs,trainer)
d2l.plt.show()
总结
权重衰减和暂退法都可以有效地降低模型的复杂度,减少过拟合的风险,提高模型的泛化能力。前者通过对权重参数施加惩罚项来控制模型复杂度,而后者通过随机丢弃神经元来增强网络的鲁棒性。这两种方法在实际应用中常常结合使用,以进一步提高模型性能。
曲则全,枉则直,洼则盈,敝则新,少则得,多则惑。
–2023-10-2 进阶篇