深度学习调参经验汇总 1

1. 网络错误没有正确训练，损失完全不收敛

可能两种原因：

• 错误的input data，网络无法学习。
• 错误的网络，网络无法学习。

解决办法：

• 检测数据是否存在可以学习的信息，这个数据集中的数值是否泛化（防止过大或过小的数值破坏学习）。
• 如果是错误的数据则需要去再次获得正确的数据，如果是数据的数值异常我们可以使用zscore函数（数据标准化处理）来解决这个问题。
• 如果是神经网络的错误，则调整网络，包括：网络深度，非线性程度，分类器的种类等等。

2. 部分收敛

可能两种原因：

• underfitting（欠拟合）
• overfitting （过拟合）

解决办法：

• underfitting：增加网络的复杂度（深度），降低learning rate，优化数据集，增加网络的非线性度（ReLu），降低正则化约束。
• overfitting：丰富数据，增加网络的稀疏度，降低网络的复杂度（深度），使用正则化约束，添加Dropout，Early stopping，适当降低learning rate，适当减少epoch的次数。

3. 全部收敛但效果不好

这是个好的开始，接下来我们要做的就是微调一些参数。

解决办法：调整方法就是保持其他参数不变，只调整一个参数。这里需要调整的参数会有：learning rate，minibatch size，epoch，filter size，number of filter

---

• 好的实验环境是成功的一半：

• 各个参数的设置部分集中在一起。（如果参数的设置分布在代码的各个地方，那么修改的过程想必会非常痛苦）
• 可以输出模型的损失函数值以及训练集和验证集上的准确率。
• 可以考虑设计一个子程序，可以根据给定的参数，启动训练并监控和周期性保存评估结果。再由一个主程序，分配参数以及并行启动一系列子程序。

• 画图：

一般是训练数据遍历一轮以后，就输出一下训练集和验证集准确率。
同时画到一张图上。这样训练一段时间以后，如果模型一直没有收敛，那么就可以停止训练，尝试其他参数了，以节省时间。

如果训练到最后，训练集，测试集准确率都很低，那么说明模型有可能欠拟合。

如果训练集准确率较高，测试集准确率比较低，那么模型有可能过拟合，这个时候就需要向提高模型泛化能力的方向，调节参数。

• 从粗到细分阶段调参：

• 建议先参考相关论文，以论文中给出的参数作为初始参数。至少论文中的参数，是个不差的结果。
• 如果找不到参考，那么只能自己尝试了。可以先从比较重要，对实验结果影响比较大的参数开始，同时固定其他参数，得到一个差不多的结果以后，在这个结果的基础上，再调其他参数。例如学习率一般就比正则值，dropout值重要的话，学习率设置的不合适，不仅结果可能变差，模型甚至会无法收敛。
• 如果实在找不到一组参数可以让模型收敛。那么就需要检查，是不是其他地方出了问题，例如模型实现，数据等等。

• 提高速度：

调参只是为了寻找合适的参数，而不是产出最终模型。一般在小数据集上合适的参数，在大数据集上效果也不会太差。因此可以尝试对数据进行精简，以提高速度，在有限的时间内可以尝试更多参数。

• 对训练数据进行采样。例如原来100W条数据，先采样成1W，进行实验看看。
• 减少训练类别。例如手写数字识别任务，原来是10个类别，那么我们可以先在2个类别上训练，看看结果如何。

• 超参数范围：

建议优先在对数尺度上进行超参数搜索。比较典型的是学习率和正则化项，我们可以从诸如0.001 0.01 0.1 1 10，以10为阶数进行尝试。因为他们对训练的影响是相乘的效果。不过有些参数，还是建议在原始尺度上进行搜索，例如dropout值: 0.3 0.5 0.7

• 经验参数：

• learning rate: 1 0.1 0.01 0.001, 一般从1开始尝试。很少见learning rate大于10的。学习率一般要随着训练进行衰减。衰减系数一般是0.5。 衰减时机，可以是验证集准确率不再上升时，或固定训练多少个周期以后。 不过更建议使用自适应梯度的办法，例如adam，adadelta，rmsprop等，这些一般使用相关论文提供的默认值即可，可以避免再费劲调节学习率。对RNN来说，有个经验：如果RNN要处理的序列比较长，或者RNN层数比较多，那么learning rate一般小一些比较好，否则有可能出现结果不收敛，甚至Nan等问题。
• 网络层数： 先从1层开始。
• 每层结点数： 16 32 128，超过1000的情况比较少见。超过1W的从来没有见过。
• batch size: 128上下开始。batch size值增加，的确能提高训练速度。但是有可能收敛结果变差。如果显存大小允许，可以考虑从一个比较大的值开始尝试。因为batch size太大，一般不会对结果有太大的影响，而batch size太小的话，结果有可能很差。
• dropout：0.5
• L2正则：1.0，超过10的很少见。
• 词向量embedding大小：128，256
• 正负样本比例： 这个是非常忽视，但是在很多分类问题上，又非常重要的参数。很多人往往习惯使用训练数据中默认的正负类别比例，当训练数据非常不平衡的时候，模型很有可能会偏向数目较大的类别，从而影响最终训练结果。除了尝试训练数据默认的正负类别比例之外，建议对数目较小的样本做过采样，例如进行复制。提高他们的比例，看看效果如何，这个对多分类问题同样适用。 在使用mini-batch方法进行训练的时候，尽量让一个batch内，各类别的比例平衡，这个在图像识别等多分类任务上非常重要。

• 自动调参：

• Gird Search：这个是最常见的。具体说，就是每种参数确定好几个要尝试的值，然后像一个网格一样，把所有参数值的组合遍历一下。优点是实现简单暴力，如果能全部遍历的话，结果比较可靠。缺点是太费时间了，特别像神经网络，一般尝试不了太多的参数组合。
• Random Search：Bengio在Random Search for Hyper-Parameter Optimization中指出，Random Search比Gird Search更有效。实际操作的时候，一般也是先用Gird Search的方法，得到所有候选参数，然后每次从中随机选择进行训练。
• Bayesian Optimization：贝叶斯优化，考虑到了不同参数对应的实验结果值，因此更节省时间。和网络搜索相比简直就是老牛和跑车的区别。

---

一些大的注意事项

• 刚开始, 先上小规模数据，模型往大了放，只要不爆显存，能用256个filter你就别用128个。直接奔着过拟合去。没错，就是训练过拟合网络，连测试集验证集这些都可以不用。如果小数据量下，这么粗暴的大网络奔着过拟合去都没效果，那么有可能是：模型的输入输出是不是有问题？ 代码错误？ 模型解决的问题定义是不是有问题? 你对应用场景的理解是不是有错？ Loss设计要合理。一般来说分类就是Softmax，回归就是L2的loss。 但是要注意loss的错误范围(主要是回归)，你预测一个label是10000的值，模型输出0，你算算这loss多大，这还是单变量的情况下。 一般结果都是nan。所以不仅仅输入要做normalization，输出也要这么弄。多任务情况下，各loss想法限制在一个量级上，或者最终限制在一个量级上，初期可以着重一个任务的loss。
• 观察loss胜于观察准确率。 准确率虽然是评测指标，但是训练过程中还是要注意loss的。你会发现有些情况下，准确率是突变的，原来一直是0，可能保持上千迭代，然后突然变1。要是因为这个你提前中断训练了，只有老天替你惋惜了。而loss是不会有这么诡异的情况发生的，毕竟优化目标是loss。给NN一点时间，要根据任务留给NN的学习一定空间。不能说前面一段时间没起色就不管了。有些情况下就是前面一段时间看不出起色，然后开始稳定学习。
• 确认分类网络学习充分。 分类网络就是学习类别之间的界限。你会发现，网络就是慢慢的从类别模糊到类别清晰的。怎么发现？看Softmax输出的概率的分布。如果是二分类，你会发现，刚开始的网络预测都是在0.5上下，很模糊。随着学习过程，网络预测会慢慢的移动到0、1这种极值附近。所以，如果你的网络预测分布靠中间，再学习学习。
• Learning Rate设置合理。 太大：loss爆炸，或者nan。太小：半天loss没反映。需要进一步降低了：loss在当前LR下一路降了下来，但是半天不再降了。如果上面的Loss设计那块你没法合理，初始情况下容易爆，先上一个小LR保证不爆，等loss降下来了，再慢慢升LR，之后当然还会慢慢再降LR。
• 对比训练集和验证集的loss。 是判断过拟合，训练是否足够，是否需要early stop的依据。
• 清楚receptive field的大小。 CV的任务，context window是很重要的。所以你对自己模型的receptive field的大小要心中有数。这个对效果的影响还是很显著的。特别是用FCN，大目标需要很大的receptive field。

---

简短的注意事项

• 预处理：-mean/std zero-center就够了，PCA，白化什么的都用不上。
• shuffle，shuffle，shuffle。
• 网络原理的理解最重要，CNN的conv这块，你得明白sobel算子的边界检测。
• Dropout，Dropout，Dropout(不仅仅可以防止过拟合, 其实这相当于做人力成本最低的Ensemble，当然，训练起来会比没有Dropout的要慢一点，同时网络参数你最好相应加一点，对，这会再慢一点)。
• CNN更加适合训练回答是否的问题，如果任务比较复杂，考虑先用分类任务训练一个模型再finetune。
• 无脑用ReLU(CV领域)。
• 无脑用3x3。
• 无脑用xavier。
• LRN一类的，其实可以不用。不行可以再拿来试试看。
• filter数量2^n
• 多尺度的图片输入(或者网络内部利用多尺度下的结果)有很好的提升效果。
• 第一层的filter，数量不要太少。否则根本学不出来(底层特征很重要)。
• sgd adam 这些选择上，看你个人选择。一般对网络不是决定性的。反正我无脑用sgd + momentum。
• batch normalization我一直没用，虽然我知道这个很好，我不用仅仅是因为我懒。所以要鼓励使用batch normalization。
• 不要完全相信论文里面的东西。结构什么的觉得可能有效果，可以拿去试试。
• 你有95%概率不会使用超过40层的模型。
• shortcut的联接是有作用的。