Bag of tricks for Image with Convolutional Neual Networks阅读

该篇文章探讨了训练分类的一些tricks

第二章

介绍了一些常用的数据增强技巧

第三章 训练相关

问题1：大的batchsize会导致训练的模型精度低

原因/现象：batchsize大了，每个batch内均值虽然不变，但是方差变小了，导致训练集上（或者这样理解大的batchsize相应的噪声小一点）
解决方案：
1.调大学习率，按照线性调，好比batchsize128,学习率给0.01，那么batchsize256，学习率就给0.02。然后大的学习率可能导致模型训练不稳定，特别是训练初期，所以使用warmup可以缓解，既能调大学习率又能保证稳定
2.初始网络变浅。具体操作是初始时设置BN的超参数γ为0，只保留BN的β参数，这样初期残差块就只保留了short cut连接，容易训，待后面稳定了，再把带有BN的那路打开
3.卷积的beta参数设置不做衰减。正常训练模型，有权重weight，把它做L2正则化可以使得模型验证集表现变好（避免过拟合）

问题2：低精度训练

原因/现象:现在GPU对于float16比float32算的要快得多，我们拿低精度参数训练的话，能训更多的epoch
问题：float16容易溢出，表示范围不大，反正有人解决了这个问题
总结：最后作者做实验发现，用float16训练的模型比float32的精度还高

上图的Efficient就是作者在float16下面训的，结果碾压float32

然后作者把上面提到tricks都加了，做了个实验

学习率

对应原paper5.1
作者发现不同学习率策略会对结果有影响，它发现使用cos学习率好

公式如上，效果没多少提升，我的话还是老老实实用step decay吧

label smothing

这个东西有点用，先说一点感性的理解。首先label smothing这玩意可以理解为一种新的损失函数，过去我们模型预测的值必须和label一样。但是自然世界其实不是这么hard的；举个例子，假如你看到一个很像熊猫的动物，它还有可能是松狮，所以呢，我将原本正样本为1的可能性，拿出个0.01给其它可能性，这样是较为合理的。对这个感兴趣的可以看
https://github.com/seominseok0429/label-smoothing-visualization-pytorch

Knowledge Distillation

知识蒸馏，就是把大模型的输出给小模型，感觉这样生成的label其实也是很smoothing的。这个地方的关键我觉得还是loss

Mixup训练

这个我觉得比较邪，路子野，我不理解其原理
就是把模型不同输入和label做一个混合

第四章 模型调整

4.1残差结构

作者把残差结构剖析的挺好的，让我一下就记住了残差结构
残差模型=input_stem+4_stage+output
其中stage=residual block(stride=2) + n*residual block(stride=1)

4.2调整

以下几个调整它们都是觉得残差网络的降采样做的不好，导致信息丢失过多
1.Resnet-B

它觉得不能上来就降采样，就把残差里面的降采样移到了第二个卷积
2.Resnet-C

他觉得残差的7*7卷积(stride)不好，改成了三个3*3
Resnet-D

他觉得残差short cut的降采样也不行，它先做了池化再1*1卷积

总结，感觉都是魔改，最后效果好就完事，但是我觉得这些不是放之四海而皆准的规律，在不同任务可能模型调整有浮动