深度学习机器学习理论知识：范数、稀疏与过拟合合集（5）Dropout原理，操作实现，为什么可以缓解过拟合，使用中的技巧

最新推荐文章于 2024-04-20 16:01:25 发布

呆呆象呆呆

最新推荐文章于 2024-04-20 16:01:25 发布

阅读量1.9k

点赞数 4

分类专栏：理论知识学习

本文链接：https://blog.csdn.net/qq_41554005/article/details/113278565

版权

理论知识学习专栏收录该内容

50 篇文章 117 订阅

订阅专栏

范数、稀疏与过拟合合集（1）范数的定义与常用范数介绍
 范数、稀疏与过拟合合集（2）有监督模型下的过拟合与正则化加入后缓解过拟合的原理
 范数、稀疏与过拟合合集（3）范数与稀疏化的原理、L0L1L2范数的比较以及数学分析
 范数、稀疏与过拟合合集（4）L2范数对condition number较差情况的缓解
 范数、稀疏与过拟合合集（5）Dropout原理，操作实现，为什么可以缓解过拟合，使用中的技巧

1、背景介绍：分布式特征表达

分布式表征（Distributed Representation），是人工神经网络研究的一个核心思想。简单来说，就是当我们表达一个概念时，神经元和概念之间不是一对一对应映射（map）存储的，它们之间的关系是多对多。具体而言，就是一个概念可以用多个神经元共同定义表达，同时一个神经元也可以参与多个不同概念的表达，只不过所占的权重不同罢了。

举例，对于“小红汽车”这个概念，如果用分布式特征地表达，那么就可能是一个神经元代表大小（形状：小），一个神经元代表颜色（颜色：红），还有一个神经元代表车的类别（类别：汽车）。只有当这三个神经元同时被激活时，就可以比较准确地描述我们要表达的物体。

分布式表征表示有很多优点，其中一点是当部分神经元发生故障时，信息的表达不会出现覆灭性的破坏。比如，我们常在影视作品中看到这样的场景，仇人相见分外眼红，一人（A）发狠地说，“你化成灰，我都认识你（B）！”这里是说，当事人B外表变了很多（对于识别人A来说，B在其大脑中的信息存储是残缺的），但没有关系，只要B的部分核心特征还在，那A还是能够把B认得清清楚楚、真真切切！

利用神经网络的分布式特征表达**（只要能保留核心特征）**，既可以实现成功完成任务（例如成功识别图片为猫），还可以用来阻止过拟合的发生，分布式特征表达可称为Dropout的来源。

2、Overfitting举例

Overfitting 也被称为过度学习，过度拟合。它是机器学习中常见的问题。举个Classification（分类）的例子。

图中黑色曲线是正常模型，绿色曲线就是overfitting模型。尽管绿色曲线很精确的区分了所有的训练数据，但是并没有描述数据的整体特征，对新测试数据的适应性较差。

3、对过拟合的解决方法

方法一：

增加数据量，大部分过拟合产生的原因是因为数据量太少了。如果我们有成千上万的数据，更高维的、更加符合所有数据的规律会被发现，绿色的也会慢慢被拉直，变得没那么扭曲。

方法二：

运用正则化，L1， L2 regularization 等等。前几篇blog中有叙述。

方法三：

专门用在神经网络的正规化的方法，叫作dropout。在训练的时候，我们随机忽略掉一些神经元和神经联结，是这个神经网络变得”不完整”。每次都用一个不完整的神经网络训练。

4、Dropout

4.1 相关论文

Srivastava等大牛在2014年的论文《Dropout: A Simple Way to Prevent Neural Networks from Overfitting》提出了Dropout正则化。

4.2 Dropout的效果：

网络对某个神经元的权重变化更不敏感，以至于达到防止参数过分依赖训练数据的目的，增加参数对数据集的泛化能力。减少过拟合，增加泛化能力。

4.3 Dropout实现操作说明

Dropout的意思是：每次训练时随机忽略一部分神经元，这些神经元dropped-out了。换句话讲，这些神经元在正向传播时对下游的启动影响被忽略，反向传播时也不会更新权重。

神经网络的所谓“学习”是指，让各个神经元的权重符合需要的特性。不同的神经元组合后可以分辨数据的某个特征。每个神经元的邻居会依赖邻居的行为组成的特征，如果过度依赖，就会造成过拟合。

如果一次训练中随机拿走一部分神经元，那么剩下的神经元就需要补上消失神经元的功能。

到第二次再随机忽略另一些，变成另一个不完整的神经网络。

整个网络变成很多独立网络（对同一问题的不同解决方法）的合集。

有了这些随机 drop 掉的规则，我们可以想象其实每次训练的时候，我们都让每一次预测结果都不会依赖于其中某部分特定的神经元。像 $L_1$ 范数， $L_2$ 范数正则化一样，过度依赖的 $W$ ，也就是训练参数的数值会很大， $L_1$ 范数、 $L_2$ 范数会惩罚这些大的参数。Dropout 的做法是从根本上让神经网络没机会过度依赖。

假设我们要训练这样一个神经网络

输入是 $x$ 输出是 $y$ ，正常的流程是：我们首先把 $x$ 通过网络前向传播，然后与 $y$ 进行计算出误差，后把误差反向传播以决定如何更新参数让网络进行学习。使用dropout之后过程变成：

首先随机（临时）删掉网络中一半的隐藏神经元，输入输出神经元保持不变（下图中虚线为部分临时被删除的神经元）

然后把输入 $x$ 通过修改后的网络前向传播，然后把得到的损失结果通过修改的网络反向传播。一小批训练样本执行完这个过程后就按照随机梯度下降法更新，只更新没有被删除的神经元中对应的参数 $(w, b)$ 。

然后继续重复这一过程：

恢复被删掉的神经元（此时被删除的神经元保持原样（即为更新前的数值），而没有被删除的神经元已经有所更新）

从隐藏神经元的参数集合中随机圈定的一个一定大小的子集（这个子集的大小是根据参数自己设置的）临时删除掉（备份被删除神经元的参数，他们只是不参加本次训练）。

对一小批训练样本，先前向传播然后反向传播损失并根据随机梯度下降法更新参数 $(w, b)$ （没有被删除的那一部分参数得到更新，删除的神经元参数保持被删除前的结果

5、Dropout为什么可以解决过拟合呢？

角度1：数据扩充层面

对于每一个dropout后的网络，进行训练时，相当于做了Data Augmentation。

对于某一层，dropout一些单元后，形成的结果是(1.5，0，2.5，0，1，2，0)，其中0是被drop的单元，也就相当于说对于后面的层来说，多训练了这种情况下的数据。这样每一次dropout其实都相当于增加了样本。

角度2：模型层面

在较大程度上减小了网络的大小：在这个“残缺”的网络中，让神经网络学习数据中的局部特征（即部分分布式特征），但这些特征也足以进行输出正确的结果。相当于说减少了参数试图获得一样的性能。减少了过拟合的可能。

角度3：取平均的思路

先回到正常的模型（没有dropout），我们用相同的训练数据去训练5个不同的神经网络，一般会得到5个不同的结果，此时我们可以采用 “5个结果取均值”或者“多数取胜的投票策略”去决定最终结果。例如 3个网络判断结果为数字9，那么很有可能真正的结果就是数字9，其它两个网络给出了错误结果。

Dropout思想类似于集成学习中的Bagging思想：由学习阶段可知，每一次训练都会按一定的比例来随机保留部分神经元，这意味着每次迭代过程中，会随机删除一些神经元，也就相当于说训练多个"残缺"的神经网络中，并且每次都是进行随机的参数选择（这里随机参数选择也就意味着随机选择表达的特征）。整个dropout过程就相当于对很多个不同的神经网络取平均。

这种“综合起来取平均”的策略通常可以有效防止过拟合问题。因为不同的网络可能产生不同的过拟合，取平均则有可能让一些互为“反向”的拟合相互抵消，这样在整体上就会减少过拟合。

角度4：减少共适应关系

减少神经元之间复杂的共适应关系：因为dropout程序导致两个神经元不一定每次都在一个dropout网络中出现。这样权值的更新不再依赖于有固定关系的隐含节点的共同作用，阻止了某些特征仅仅在其它特定特征下才有效果的情况。迫使网络去学习更加鲁棒的特征（这些特征在其它的神经元的随机子集中也存在）。换句话说假如我们的神经网络是在做出某种预测，它不应该对一些特定的线索片段太过敏感，即使丢失特定的线索，它也应该可以从众多其它线索中学习一些共同的模式（鲁棒性）。（这个角度看 dropout就有点像L1，L2正则，减少权重使得网络对丢失特定神经元连接的鲁棒性提高）