1.归一化
当batch很小,又不做归一化时,data容易出现忽正忽负的情况,w也会出现全正或者全负,往一边偏很麻烦
2.激活函数
大数据集时,ReLu的缺点暴露出来了,很多神经元变为0,梯度消失(水爷说有实验,换了ReLu,提升几个点)
3.初始化
(1)all zeros
(2)a*N(0, 1) 高斯分布,早些年,a的设置非常重要
(3)Xavier
(4)kaiming
FC一般用(2);conv用(3)(4)
4.是否使用预训练
数据量小,用pre-train才有意义。如果dataset和预训练的其他数据集本身就是一个量级的,就没必要用预训练模型,直接上就完事了
5.froze layes
预训练一个常见的用法是,froze固定住backbone,fine-tune后面的。Data少,需要多froze一些层,fine-tune少部分。数据场景差异较大时,固定的layers数也要减少,多fine-tune一些
6.数据量和lr的关系
数据量大,lr调的大一些。ResNet训练ImageNet,default lr=0.1
Data少,或是fine-tune,学习率一般小一点
7.学习策略
SGD效果好但是收敛慢,收敛速度Adam > SGD
难收敛的model,可以先Adam再SGD;
或者warm up策略,先小lr学习一会儿,逐步增大到基础lr(densepose的学习策略就是这样),减少收敛时间
8.batchsize的影响
太大,(1)可能会影响泛化性,因为当足够大时,倾向于直接拟合整个数据集(2)虽然需要的迭代次数减少,但是达到同样最优点,花费时间变多了(3)batch太大有时候会停在鞍点或者局部最优,因为他的方向比较稳
太小,(1)梯度下降不准,随机性大,有时候难以收敛(2)没有充分利用到计算性能,收敛时间太长
所以batch真的是,太大或太小都会导致收敛效果不好还花了很多时间。
9.衰减因子
将参数w约束在一定的范围内,防止梯度变化过大,曲线剧烈扭动,出现过拟合
然而在模型参数较少时,比如只fine-tune一部分,需要将衰减因子设的小一点,参数少一般不容易过拟合,衰减限制太大发现可能根本拟合不了数据