一、深度神经网络中的过拟合
线性模型
- 多特征少样本时往往会过拟合,多样本时不会过拟合,线性模型没有考虑特征之间的交互作用
- 线性模型有很高的偏差:只能表示一小类函数
神经网络
- 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
- 有比特征多得多的样本,深度神经网络也有可能过拟合
二、丢弃法的理论基础
2.1 丢弃法的提出
在2014年,斯里瓦斯塔瓦等人就如何将毕晓普的想法应用于网络的内部层提出了一个想法: 在训练过程中,他们建议在计算后续层之前向网络的每一层注入噪声。 因为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。
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”。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。
2.2 丢弃法的基本流程
暂退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。 这种方法之所以被称为暂退法,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,标准暂退法包括在计算下一层之前将当前层中的一些节点置零。
2.3 丢弃法的数学支撑
在标准暂退法正则化中,通过按保留(未丢弃)的节点的分数进行规范化来消除每一层的偏差。
换言之,每个中间活性值
h
h
h以暂退概率
p
p
p由随机变量
h
′
h'
h′替换,如下所示:
h ′ = { 0 概率为 p h 1 − p 其他情况 \begin{aligned} h' = \begin{cases} 0 & \text{ 概率为 } p \\ \frac{h}{1-p} & \text{ 其他情况} \end{cases} \end{aligned} h′={01−ph 概率为 p 其他情况
根据此模型的设计,其期望值保持不变,即
E
[
h
′
]
=
h
E[h'] = h
E[h′]=h。
【核心代码】
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 = (torch.rand(X.shape) > dropout).float()
return mask * X / (1.0 - dropout)#保证使用暂退法后的期望值不变
2.4 丢弃法的使用
三、代码实现
使用引入的Fashion-MNIST数据集。
[定义具有两个隐藏层的多层感知机,每个隐藏层包含256个单元]。
我们可以将暂退法应用于每个隐藏层的输出(在激活函数之后),并且可以为每一层分别设置暂退概率:
常见的技巧是在靠近输入层的地方设置较低的暂退概率。
下面的模型将第一个和第二个隐藏层的暂退概率分别设置为0.2和0.5,
并且暂退法只在训练期间有效。
dropout1, dropout2 = 0.2, 0.5
net = nn.Sequential(nn.Flatten(),
nn.Linear(784, 256),
nn.ReLU(),
# 在第一个全连接层之后添加一个dropout层
nn.Dropout(dropout1),
nn.Linear(256, 256),
nn.ReLU(),
# 在第二个全连接层之后添加一个dropout层
nn.Dropout(dropout2),
nn.Linear(256, 10))
def init_weights(m):
if type(m) == nn.Linear:
nn.init.normal_(m.weight, std=0.01)
net.apply(init_weights);
trainer = torch.optim.SGD(net.parameters(), lr=lr)
d2l.train_ch3(net, train_iter, test_iter, loss, num_epochs, trainer)
d2l.predict_ch3(net, test_iter)
四、总结
五、问题
- 1.丢弃法是每次迭代一次,随机丢弃一次吗?
是 - 2.请问可以再解释一下为什么“推理中的dropout是直接返回输入”吗?
在做推理的时候不用更新权重,所以不用dropout - 3.请问,在同样的lr下,dropout的介入会不会造成参数收敛更慢,需要比没有dropout的情况下适当调大lr吗?↓
drop对期望影响不大,lr对期望和方差敏感