动手学PyTorch（李沐）6 ---- 权重衰退

权重衰退（weight decay）

控制一个模型的容量：

1. 参数少
2. 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。
$$\min \ell (\mathbf{w},b)+\frac{\lambda }{2}\Vert \mathbf{w}{\Vert }^2$$
​ 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
$$\frac{\lambda }{2}\Vert \mathbf{w}{\Vert }^2$$
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)