丢弃法(Dropout)
我们为什么要使用丢弃法?
- 一个好的模型需要对输入数据的扰动鲁棒
丢弃法:在层之间加入噪音
无偏差加入噪音
-
对x加入噪音得到x’ 我们希望E[x’]=x,x的期望不变
-
丢弃法对每个元素进行如下扰动
这样可以保证x的期望不变
使用丢弃法
-
通常将丢弃法作用在隐藏全连接层的输出上
正则项只在训练中使用:只影响模型参数的更新
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。
但线性模型泛化的可靠性是有代价的。 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(bias-variance tradeoff)。
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。
深度神经网络位于偏差-方差谱的另一端。
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。
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, 比如在权重衰减(𝐿2正则化)时看到的那样, 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。
研究者发现,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。
这个想法被称为丢弃法(dropout)。 丢弃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。
因为我们从表面上看是在训练过程中丢弃(drop out)一些神经元。
在整个训练过程的每一次迭代中,标准丢弃法包括在计算下一层之前将当前层中的一些节点置零。
需要说明的是,暂退法的原始论文提到了一个关于有性繁殖的类比: 神经网络过拟合与每一层都依赖于前一层激活值相关,称这种情况为“共适应性”。 作者认为,暂退法会破坏共适应性,就像有性生殖会破坏共适应的基因一样。
注入这种噪声以一种无偏向(unbiased)的方式。 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。
实践中的暂退法
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。
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]中抽取样本,样本数与这层神经网络的维度一致。
然后保留那些对应样本大于𝑝的节点,把剩下的丢弃。
在下面的代码中,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
# 在本情况中,所有元素都被丢弃
if dropout == 1:
return torch.zeros_like(X)
# 在本情况中,所有元素都被保留
if dropout == 0:
return X
mask