[DL]Dropout原理解析

I-背景简介

问题引入

在机器学习模型中，过拟合问题是一种很常见的问题。具体表现为，在训练集上损失函数很小，而在测试集上损失函数比较大，预测准确率较低。

为了缓解过拟合现象，学者提出了Dropout。

Dropout定义

Dropout的作用就是在前向传播时，让某个神经元以在概率p下停止工作。

这样可以避免模型过于依赖某些局部特征，增强泛化能力。

假设有一个包含 100 个神经元的层，dropout=0.2 表示在每次训练时，将随机选择 20 个神经元，并将它们的输出设置为零。

II-Dropout工作流程

训练如图所示的一个神经网络，输入是x，输出是y。

• 正常的流程是：首先把x经过前向传播，然后将误差进行反向传播更新参数再进行前向传播继续学习。

• 使用Dropout的流程是：
  

  1. 首先随机删除dropout=p个神经元，如图；
  2. 把x经过图示的神经网络进行前向传播，然后将误差进行反向传播。一batchsize x完成这个过程后，更新没有被删除的神经元上的参数(w,b)；
  3. 重复下述过程
     • 恢复被删掉的神经元（此时被删除的神经元参数保持原样，而没有被删除的神经元参数已经有所更新）；
     • 再重新随机删除dropout=p个神经元，并备份被删除的神经元的参数；
     • 对一batchsize x进行训练，经过新的神经网络进行前向传播，然后将误差进行反向传播，更新没有被删除的神经元的参数。

III-Dropout在神经网络中的使用

模型训练阶段

在模型的每个神经元上都要添加一个概率流程，如图所示。

对应公式如下

• without dropout

$$z_i^{(l+1)}=w_i^{(l+1)}{y}^l+b_i^{(l+1)}$$

$$y_i^{(l+1)}=f(z_i^{(l+1)})$$

• dropout

$$r_i^{(l)}\sim Bernoulli(p)$$

$${\tilde{y}}^{(l)}=r^{(l)}\ast y^{(l)}$$

$$z_i^{(l+1)}=w_i^{(l+1)}{\tilde{y}}^l+b_i^{(l+1)}$$

$$y_i^{(l+1)}=f(z_i^{(l+1)})$$

​ Bernoulli函数是为了生成概率r向量，即随机生成一个0、1的向量。

伯努利分布一般指0-1分布，即只进行一次事件试验，该事件发生的概率为p，设随机事件X，X发生记为X=1，不发生记为X=0，则X的分布律为：

X	0	1
px	1-p	p

数学期望为：E(X)=p

代码层面实现删除某个神经元，即让它的激活函数值以概率p变为0。比如我们某一层网络神经元的个数为1000个，其激活函数输出值为y₁,y₂,…,y₁₀₀₀，dropout=0.4，那么这一层神经元经过dropout后，1000个神经元中会有大约400个的值被置为0。

需要注意的是，使用dropout操作，使部分神经元的激活值为0以后，我们还需要对全部向量y₁,……,y₁₀₀₀进行缩放，也就是乘以1/(1-p)。如果你在训练的时候，经过置0后，没有对y₁,……,y₁₀₀₀进行缩放（rescale），那么在测试的时候，就需要对权重进行缩放，操作如下。

模型测试阶段

预测模型的时候，每一个神经单元的权重参数要乘以概率1-p。

测试阶段Dropout公式：
$$w_{test}^{(l)}=(1-p)W^{(l)}$$

IV-Dropout可以解决过拟合的原因

• 取平均的作用：没有Dropout的情况下，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，此时可以采用取平均或多数取胜的策略来决定最终结果。这种策略通常可以有效防止过拟合。因为不同的网络可能产生不同的过拟合，取平均有可能让一些“相反的”拟合互相抵消。Dropout就相当于训练不同的网络，整个dropout过程就相当于对很多个不同的神经网络取平均。
• 减少神经元之间复杂的共适应关系：Dropout导致两个神经元不一定每次都在一个网络中出现，这样，权值的更新就不再依赖于有固定关系的隐含神经元的共同作用，阻止了某些特征仅在其他特定特征下才有效果的情况。迫使网络去学习更鲁棒的特征，这些特征在其他的神经元的随机子集中也存在。换言之，神经网络在做预测的时候，不应该对一些特定的线索片段过于敏感，即使丢失特定的线索，也应该可以从众多其他线索中学习一些共同的特征。从这个角度看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。
• Dropout类似于性别在生物进化中的角色：物种为了生存往往会倾向于适应环境，环境突变会导致物种难以作出及时反应而走向灭绝，性别的出现可以繁衍出适应新环境的物种，有效阻止过拟合即环境改变时物种灭绝的可能性。

V-Dropout层中为什么要rescale

Dropout做rescale主要保证了神经元的期望均值与无Dropout时一致。

首先假设一层神经网络中有n个神经元，其中一个神经元的输出是x，输出期望也是x。加上Dropout后，有p的概率这个神经元失活，那么这个神经元的输出期望就变成了(1-p)×x+p×0=(1-p)x，我们需要保证这个神经元在训练和测试阶段的输出期望基本不变。那么就有两种方式来解决：

• 第一种方式：在训练的时候，让这个神经元的输出rescale1/(1-p)倍，那么它的输出期望就变成(1-p)×x/(1-p)+p×0=x，和不Dropout的输出期望一致；

• 第二种方式：在测试的时候，让神经元的输出rescale(1-p)倍，那么它的输出期望就变成了(1-p)×x/(1-p)=x，和训练时的期望是一致的。

通俗的例子如下：

5个人拉一个10吨车，第一次（训练时），只有2个人出力（有p=0.6的人被dropout了），那么这2个人每个人出力拉5吨。第二次（预测时），5个人都被要求出力，这次每个人出的力就是5×(1-0.6)=2吨了。或者在第一次（训练时），2个人每个人出力为2×(1/(1-0.6))=5.

---

参考笔记