权重衰退(weight decay)
控制一个模型的容量:
- 参数少
- 参数范围小
权重衰退就是控制参数范围来控制模型容量
调整w的值,使得w的L2范数小于一个值θ,w的每一个元素都要小于θ开根号,如果θ控制得很小,那么w的值也会很小。
正常情况下,选择θ为0.1,0.01等把w控制在一个范围内。
在上述基础上去除强制限制,再加上一个柔性限制。要保证权重向量⽐较⼩,最常⽤⽅法是将其范数作为惩罚项加到最⼩化损失的问题中。将原来的训练⽬标最⼩化训练标签上的预测损失,调整为最⼩化预测损失和惩罚项之和。现在,如果我们的权重向量增⻓的太⼤,我们的学习算法可能会更集中于最⼩化权重范数**||w||2。
min
ℓ
(
w
,
b
)
+
λ
2
∥
w
∥
2
\min \ell(\mathbf{w}, b)+\frac{\lambda}{2}\|\mathbf{w}\|^2
minℓ(w,b)+2λ∥w∥2
对于超参数** λ = 0,我们恢复了原来的损失函数。对于λ > 0,我们限制∥w∥的⼤⼩。这⾥我们仍然除以2:当我们取⼀个⼆次函数的导数时,2和1/2会抵消,以确保更新表达式看起来既漂亮⼜简单。
λ控制了整个正则项的重要程度,λ = 0,等价于之前的θ趋于无穷大,λ趋于无穷大,等价于θ = 0。较⼩的λ值对应较少约束的w,⽽较⼤的λ值对w的约束更⼤。
绿色线是原本的损失,黄色先是λ/2||w||2。相当于多元函数的条件极值,添加
λ
2
∥
w
∥
2
\frac{\lambda}{2}\|\mathbf{w}\|^2
2λ∥w∥2
等于是添加了一个条件。两部分相互拉扯,相切达到极值。
权重衰退参数更新法则
先缩小当前权重,再向梯度的方向走一点。
总结
QA
- 拟合一组数据可以有很多简单的复杂的模型,如果权重范围选的很大,就可能学到一些很复杂的曲线,限制权重范围,就是不让学习到很复杂的模型。
- L1范数就是torch.abs(w)。
- 实践中权重衰退的λ一般设置为0.1,0.01,0.001,如果模型太过复杂,权重衰退不会带来很好的效果。
- 噪音越大,w就越大
实现
%matplotlib inline
import torch
from torch import nn
from d2l import torch as d2l
n_train, n_test, num_inputs, batch_size = 20, 100, 200, 5
true_w, true_b = torch.ones((num_inputs, 1)) * 0.01, 0.05
train_data = d2l.synthetic_data(true_w, true_b, n_train)
train_iter = d2l.load_array(train_data, batch_size)
test_data = d2l.synthetic_data(true_w, true_b, n_test)
test_iter = d2l.load_array(test_data, batch_size, is_train=False)
#初始化模型参数
def init_params():
w = torch.normal(0, 1, size=(num_inputs, 1), requires_grad=True)
b = torch.zeros(1, requires_grad=True)
return [w, b]
#定义L2范数惩罚
def l2_penalty(w):
return torch.sum(w.pow(2)) / 2
def train(lambd):
w, b = init_params()
net, loss = lambda X: d2l.linreg(X, w, b), d2l.squared_loss
num_epochs, lr = 100, 0.003
animator = d2l.Animator(xlabel='epochs', ylabel='loss', yscale='log',
xlim=[5, num_epochs], legend=['train', 'test'])
for epoch in range(num_epochs):
for X, y in train_iter:
# 增加了L2范数惩罚项,
# ⼴播机制使l2_penalty(w)成为⼀个⻓度为batch_size的向量
l = loss(net(X), y) + lambd * l2_penalty(w)
l.sum().backward()
d2l.sgd([w, b], lr, batch_size)
if (epoch + 1) % 5 == 0:
animator.add(epoch + 1, (d2l.evaluate_loss(net, train_iter, loss),
d2l.evaluate_loss(net, test_iter, loss)))
print('w的L2范数是:', torch.norm(w).item())
# 忽视正则化直接训练,lambda=0
train(lambd=0)
train(lambd=3)
train(lambd=9)
调用实现
#简介实现
def train_concise(wd):
net = nn.Sequential(nn.Linear(num_inputs, 1))
for param in net.parameters():
param.data.normal_()
loss = nn.MSELoss(reduction='none')
num_epochs, lr = 100, 0.003
# 偏置参数没有衰减
trainer = torch.optim.SGD([
{"params":net[0].weight,
'weight_decay': wd}, #权重衰退
{"params":net[0].bias}], lr=lr)
animator = d2l.Animator(xlabel='epochs', ylabel='loss', yscale='log',
xlim=[5, num_epochs], legend=['train', 'test'])
for epoch in range(num_epochs):
for X, y in train_iter:
trainer.zero_grad()
l = loss(net(X), y)
l.mean().backward()
trainer.step()
if (epoch + 1) % 5 == 0:
animator.add(epoch + 1,
(d2l.evaluate_loss(net, train_iter, loss),
d2l.evaluate_loss(net, test_iter, loss)))
print('w的L2范数:', net[0].weight.norm().item())
train_concise(1)
train_concise(3)