深度模型不work？这有一份超全的Debug检查清单

为什么需要讨论DL Troubleshooting？

80%-90%时间用于debug和tune，10%-20%时间用于推导数学或者实现。

模型为什么会表现糟糕？

• 实现时的bug，很多深度学习bug不可见，比如模型label顺序错误

• 超参数选择，因为模型对超参数比较敏感

• 数据/模型拟合

• 数据集创建，常见问题如下：

  • 没有足够数据

  • 类别不平衡

  • 噪声标签

  • 训练和测试的分布不同

DL Troubleshooting策略

Start simple：尽可能使用最简单的模型和数据，比如在数据的一个子集上使用LeNet

• 选择简单结构

• 使用sensible配置

• 对输入归一化

• 简化问题

  • 使用更小的训练数据

  • 使用更小的图像尺寸

  • 创建一个更简单的合成训练集

Implement & debug：使得模型在一个batch上过拟合或者复现已知结果

最常见的5种深度学习bug：

Get your model to run

常见问题及解决方法：

• shape mismatch、casting issue等，可以在模型创建阶段使用调试器逐步调试，具体地，shape mismatch可能存在未定义形状、错误形状等问题，比如在错误维度求和、取平均等、忘记在卷积层后flatten张量等；casting issue中常见问题：没有将图像从uint8转换到float32等。

• Out of Memory，逐一去除内存密集型操作，具体地，常见问题如下：tensor过大（batch size过大或者太大的全连接层）、数据过多（将太大的数据集加载到内存中或为数据集创建分配了太大的缓冲区）、拷贝错误（由于在同一会话中创建多个模型而导致的内存泄漏、重复创建操作（例如，在一次又一次调用的函数中））

Overfit a single batch

常见问题:

• error上升：损失函数的符号错误、学习率太高、softmax使用在错误维度

• error爆炸：数值问题、学习率太低

• error震荡：数据或者标签有误、学习率太低

• error不动：学习率太低、梯度没有在整个模型传播、过分正则化、损失函数的输入错误、数据或者标签有误

Compare to a known result

• 在相似数据集上评估官方提供的模型实现

• 在benchmark上评估官方提供的模型实现

• 非官方模型实现

• 参考文章结果（没有代码）

• 自己代码实现在benchmark上的结果

• 相似模型在相似数据集上的结果

• 非常简单的baseline，如线性回归

Evaluate：使用bias-variance decomposition决定下一步措施

Test error = irreducible error + bias + variance (+ distribution shift) + val overfitting (train, val, and test all come from the same distribution)

Improve model/data：如果欠拟合，使得模型更大；如果过拟合，增加数据或者添加正则化

解决欠拟合（使用顺序由上到低下）：

• 使得模型变大，比如增加层数或者在每层中使用更多单元

• 减少正则化

• 错误分析

• 选择一个不同结构

• 调整超参数

• 增加特征

解决过拟合（使用顺序由上到低下）：

• 增加更多数据

• 增加归一化

• 数据增强

• 增加正则化（如dropout、L2、weight decay）

• 错误分析

• 使用一个不同结构

• 调整超参数

• 及时停止

• 去除特征

• 减少模型大小

解决分布转换（distribution shift）：

• 分析测试-验证集错误 & 收集更多训练数据

• 分析测验-验证集错误 & 合成更多训练数据

• 使用领域适应改变训练和测试分布（领域适应，使用未标注数据或者有限的标注数据，将source上的训练结果泛化到target上）

平衡数据集

如果验证集上的结果好于测试结果，在验证集上过拟合。上述情况通常发生在小验证集上或者大规模超参数调整

Tune hype-parameters：由粗到细地随机搜索

超参数优化面临如下问题：

网络：多少层？如何参数初始化？卷积核大小？

优化器：batch size？学习率？beta1，beta 2？

正则化：？

方法1：人工选择超参数

• 需要理解算法，训练/评估网络，猜测一个更好的超参数值/重新评估，可以和其他方法相结合。

• 优点：对于经验丰富的专家，消耗非常小的计算量得到好结果

• 缺点：需要对算法有很深的见解、非常耗时

方法2：网格搜索

• 优点：实现非常简单、能够产生好结果

• 缺点：不高效、需要先验知识

方法3：随机搜索

方法4：由粗到细搜索

• 先在大区域中找到使得结果比较好的子区域，重复上述过程

• 优点：可以缩小非常高性能的超参数、实际使用最多的方法

• 缺点：somewhat manual process

方法5：贝叶斯方法

• 从预先估计参数分布开始，包含超参数值与模型性能之间关系的概率模型，交替如下过程：使用最大化期望结果对应的超参数值进行训练，根据训练结果更新概率模型

• 优点：最高效的hand-off方法以选择超参数

• 缺点：从头开始难以实施、很难与现成的工具集成

结论

• 由于错误种类多，深度学习debugging困难

• 为了训练一个没有bug的深度学习模型，需要将构造模型看作一个迭代过程