最后更新,2022.10.28
基础
Hyperopt是一个强大的python库,用于超参数优化
https://blog.csdn.net/qq_33431368/article/details/124486865
python包tqdm可视化进度
python包gensim是NLP工具,包括很多常见模型比如LDA、TFIDF等
目标检测包商汤的mmdectetion
用lightgbm快速做机器学习建模
Python文件编译为exe或者sh文件,用pyinstaller命令
# python中*的用法,不定长参数的灵活性
def do():
return 1,2
def add(a,b,c):
print(a,b,c)
add(*do(),2) # tuple的解构
def pr(*x): # 传参任意数量
print(x)
pr(1,2,3,[4])
a,b,*c=[1,2,3,4,5,6] # 序列解包
print(a,b,c,type(c)) # 1 2 [3, 4, 5, 6] <class 'list'>
C++
深度学习
Gelu
Bert Transfromer结构中使用了这个激活函数—gelu(Gaussian error linear units,高斯误差线性单元),它是一种高性能的神经网络激活函数,因为GELU的非线性变化是一种符合预期的随机正则变换方式
GELU在多项计算机视觉自然语言处理语音任务上效果优于ReLU、ELU。GELU可以看作dropout的思想和relu的结合,主要是为激活函数引入了随机性使得模型训练过程更加鲁棒。(在torch的transformer实现的代码里都是直接用relu+dropout而没有使用gelu)
和relu不同的地方在于,relu对于小于0的输出是置0的,而gelu则是有一定的概率不置0
def gelu(input_tensor):
cdf = 0.5 * (1.0 + tf.erf(input_tensor / tf.sqrt(2.0)))
return input_tesnsor*cdf
原论文,https://arxiv.org/pdf/1606.08415.pdf
Rdrop
为了解决 Dropout 在训练与预测时使用不一致的问题,提出了比dropout更优的Rdrop
Rdrop:每个数据样本重复经过带有Dropout的同一个模型,再使用KL散度约束两次的输出,使得尽可能一致,而由于 Dropout的随机性,可以近似把输入X走过两次的路径网络当作两个略有不同的模型
其中一部分的损失函数是交叉熵
另一部分的损失函数是KL散度,目的是让两次的输出,使得尽可能一致
(KL散度从信息损耗的角度来度量两个数据分布的差异程度,它是用来描述两个概率分布P和Q的差异的一种方法,在信息论中叫做信息散度)
最终loss就是两个loss的加权和
R-drop通过增加一个正则项来强化模型对dropout的鲁棒性,使得不同的dropout下模型的输出基本一致,促进“模型平均”与“权重平均”的相似性,从而使得简单关闭dropout的效果等价于多dropout模型融合的结果,提升模型最终性能。
原论文,https://arxiv.org/pdf/2106.14448.pdf
AdamW
AdamW是在Adam+L2正则化的基础上进行改进的算法,Adam的weight decay权重衰减版
因为使用Adam优化带L2正则的损失并不有效,所以才有AdamW
如果引入L2正则项,在计算梯度的时候会加上对正则项求梯度的结果。
那么如果本身比较大的一些权重对应的梯度也会比较大,由于Adam计算步骤中减去项会除以梯度平方的累积开根号,使得减去项偏小。按常理说,越大的权重应该惩罚越大,但是在Adam并不是这样,分子分母相互抵消掉了
而权重衰减对所有的权重都采用相同的系数进行更新,越大的权重显然惩罚越大
在常见的深度学习库中只提供了L2正则,并没有提供权重衰减的实现
但如果使用了weightdecay就不必再使用L2正则化了
原论文,https://openreview.net/pdf?id=rk6qdGgCZ
#triplet loss
三元损失函数,主要是用于训练差异性小的样本,比如人脸等;其次在训练目标是得到样本的embedding任务中,triplet loss 也经常使用,比如文本、图片的embedding
过拟合和欠拟合
-
过拟合:训练集效果很好,但是验证集很差,这种现象称为过拟合,表现为高方差
解决方法:数据增强(NLP-EDA:增删改 替换、CV-切割 裁剪 旋转、数据融合Mixup、GAN生成新数据)、对抗训练、集成学习(Bagging)、正则化、Dropout、Early Stoping、降低模型复杂度 -
欠拟合:训练集和验证集的效果都很差,这种现象称为欠拟合,表现为高偏差
解决方法:特征工程(FM、FFM、增加特征、交叉特征)、集成学习(Boosting)、提高模型复杂度、减少或去掉正则化(添加正则化项是为了限制模型的学习能力,减小正则化项的系数则可以放宽这个限制)
模型
Transformer
原始Transformer指的是一个基于Encoder-Decoder框架的Seq2Seq模型,用于解决机器翻译任务;
后其Encoder部分被用于BERT而广为人知,因此有时Transformer也特指其Encoder部分
Transformer Encoder 代码
import math
import torch
import torch.nn as nn
import torch.nn.functional as F
import einops
class TransformerEncoder(nn.Module):
def __init__(self, n_head, d_model, d_ff, act=F.gelu):
super().__init__()
self.h = n_head
self.d = d_model // n_head
# Attention
self.Q = nn.Linear(d_model, d_model)
self.K = nn.Linear(d_model, d_model)
self.V = nn.Linear(d_model, d_model)
self.O = nn.Linear(d_model, d_model)
# LN
self.LN1 = nn.LayerNorm(d_model)
self.LN2 = nn.LayerNorm(d_model)
# FFN
self.W1 = nn.Linear(d_model, d_ff)
self.W2 = nn.Linear(d_ff, d_model)
self.act = act
#
self.dropout = nn.Dropout(0.2)
def attn(self, x, mask):
q, k, v = self.Q(x), self.K(x), self.V(x)
q = einops.rearrange(q, 'B L (H D) -> B H L D', H=self.h)
k = einops.rearrange(k, 'B L (H D) -> B H D L', H=self.h)
v = einops.rearrange(v, 'B L (H D) -> B H L D', H=self.h)
a = torch.softmax(q @ k / math.sqrt(self.d) + mask, dim=-1) # [B H L L]
o = einops.rearrange(a @ v, 'B H L D -> B L (H D)')
o = self.O(o)
return o
def ffn(self, x):
x = self.dropout(self.act(self.W1(x)))
x = self.dropout(self.W2(x))
return x
def forward(self, x, mask):
x = self.LN1(x + self.dropout(self.attn(x, mask)))
x = self.LN2(x + self.dropout(self.ffn(x)))
return x
model = TransformerEncoder(2, 4, 8)
x = torch.randn(2, 3, 4)
mask = torch.randn(1, 1, 3, 3)
o = model(x, mask)
model.eval()
traced_model = torch.jit.trace(model, (x, mask))
x = torch.randn(2, 3, 4)
mask = torch.randn(1, 1, 3, 3)
assert torch.allclose(model(x, mask), traced_model(x, mask))
深入剖析PyTorch中的Transformer API源码-bilibili
https://www.bilibili.com/video/BV1o44y1Y7cp/?spm_id_from=333.788&vd_source=95e3882229b54d25e23e9ef1d1062633
·
Transformer 与 RNN/CNN 的比较:
- 上下文语义特征
在抽取上下文语义特征(方向+距离)方面:Transformer > RNN > CNN
RNN 只能进行单向编码(Bi-RNN 是两个单向); 在长距离特征抽取上也弱于 Transformer;有论文表明:RNN 最多只能记忆 50 个词左右的距离;
CNN 只能对短句编码(N-gram);
Transformer 可以同时编码双向语义和抽取长距离特征; - 序列特征
在抽取序列特征(顺序)方面:RNN > Transformer > CNN
Transformer 的序列特征完全依赖于 Position Embedding,当序列长度没有超过 RNN 的处理极限时,位置编码对时序性的建模能力是不及 RNN 的; - 计算速度
在计算速度方面:CNN > Transformer > RNN
RNN 因为存在时序依赖难以并行计算;
Transformer 和 CNN 都可以并行计算,但 Transformer 的计算复杂度更高;
MobileNet
siamRPN算法
swin transformer 移动窗口,图像分割
Doc2vec
BERT
VQA视觉问答多模态
对抗训练FGM、PGD
知识图谱
表示学习
不平衡学习
对比学习
轻量化
遗传算法、模拟退火算法
广告CVR模型ESMM
时间序列ARMA模型