文章目录
权重衰减
权重衰减,也即模型正则化操作,L2正则化的目的就是为了让权重衰减到更小的值,在一定程度上减少模型出现过拟合的问题。
权重衰减的理解
模型未进行正则化操作时,损失函数(这里我们假设为均方损失函数)的公式为
L ( w , b ) = 1 n ∑ i = 1 n 1 2 ( w T x i + b − y i ) 2 L(w, b) = \frac{1}{n}\sum\limits_{i=1}^{n}\frac{1}{2}(w^Tx_i+ b - y_i)^2 L(w,b)=n1i=1∑n21(wTxi+b−yi)2
现在我们加入 L 2 L2 L2 正则化,即 γ 2 ∣ ∣ w ∣ ∣ 2 \frac{\gamma}{2}||w||^2 2γ∣∣w∣∣2 ,此时的代价函数即为
L ( w , b ) + γ 2 ∣ ∣ w ∣ ∣ 2 = 1 n ∑ i = 1 n 1 2 ( w T x i + b − y i ) 2 + γ 2 ∣ ∣ w ∣ ∣ 2 L(w, b) + \frac{\gamma}{2}||w||^2 = \frac{1}{n}\sum\limits_{i=1}^{n}\frac{1}{2}(w^Tx_i+ b - y_i)^2 + \frac{\gamma}{2}||w||^2 L(w,b)+2γ∣∣w∣∣2=n1i=1∑n21(wTxi+b−yi)2+2γ∣∣w∣∣2
现在对上面的式子进行求偏导,可得新的 L 2 L2 L2 正则化回归的小批量随机梯度下降更新如下式
其中 η \eta η 代表学习率(大于0), γ \gamma γ 代表正则化程度,可以清晰看到 ( 1 − η γ ) < = 1 (1 - \eta\gamma) <= 1 (1−ηγ)<=1,所以更新权重之后,权重是在衰减的,权重衰减意味着忽略某些特征带来的影响,模型将变得简单(),有效降低了过拟合程度,所以模型会更加稳定,泛化程度也更好。
高维线性回归
我们通过一个简单的例子来掩饰权重衰减。
import torch
from torch import nn
from d2l import torch as d2l
首先,我们像以前一样生成一些数据,生成公式如下
y = 0.05 + ∑ i = 1 d 0.01 x i + ϵ ϵ − N ( 0 , 0.0 1 2 ) y = 0.05 + \sum\limits_{i=1}^{d}0.01x_i + \epsilon \quad \epsilon-N(0, 0.01^2) y=0.05+i=1∑d0.01xi+ϵϵ−N(0,0.012)
我们选择标签是关于输入的线性函数。 标签同时被均值为0,标准差为0.01高斯噪声破坏。 为了使过拟合的效果更加明显,我们可以将问题的维数增加到 d = 200 d = 200 d=200 , 并使用一个只包含20个样本的小训练集。
#定义训练集样本个数,测试集样本个数,特征个数、小批量数据集大小
n_train, n_test, num_inputs, batch_size = 20, 100, 200, 5
#生成真实的权重向量w、偏置量b
true_w, true_b = torch.ones((num_inputs, 1)) * 0.1, 0.05
#获取训练集迭代器
train_data = d2l.synthetic_data(true_w, true_b, n_train)
train_iter = d2l.load_array(train_data, batch_size)
#获取测试集迭代器
test_data = d2l.synthetic_data(true_w, true_b, n_test)
test_iter = d2l.load_array(test_data, batch_size)
从零开始实现
下面我们将从头开始实现权重衰减,只需将 L 2 L2 L2 的平方惩罚添加到原始目标函数中。
初始化模型参数
首先,我们将定义一个函数来随机初始化模型参数。
def init_params():
#正态分布的权重 w
w = torch.normal(0, 1, size=(num_inputs, 1), requires_grad=True)
#偏置量b初始化为 0
b = torch.zeros(1, requires_grad=True)
return [w,b]
定义 L 2 L_2 L2范数惩罚
实现这一惩罚最方便的方法是对所有项求平方后并将它们求和。
#返回w向量的L2范数惩罚
def l2_penalty(w):
return torch.sum(w.pow(2)) / 2
定义训练代码实现
下面的代码将模型拟合训练数据集,并在测试数据集上进行评估。 之前的线性网络和平方损失没有变化, 所以我们通过d2l.linreg和d2l.squared_loss导入它们。 唯一的变化是损失现在包括了惩罚项。
#训练带有L2范数的模型
def train(lambd):
w, b = init_params() #初始化参数权重w,偏置b
"""
简单来说,编程中提到的 lambda 表达式,通常是在需要一个函数,但是又不想费神去命名一个函数的场合下使用,也就是指匿名函数。
"""
net, loss = lambda X: d2l.linreg(X, w, b), d2l.squared_loss
num_epochs, lr = 100, 0.003 #定义迭代次数和学习率
#绘图工具类
animator = d2l.Animator(xlabel='epochs', ylabel='loss', yscale='log', xlim=[5, num_epochs], legend=['train', 'test'])
#进行100次迭代训练
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)成为一个长度为batch_size的向量
l = loss(net(X), y) + lambd * l2_penalty(w) #计算代价函数,包含正则化结果
l.sum().backward() #进行反向传播,计算权重w和偏置的梯度
d2l.sgd([w,b], lr, batch_size) #更新参数w和偏置b
if epoch % 5 == 0:
#注意,此时的evaluate_accuracy()包含三个参数,分别为神经网络net, 数据集train_iter, 损失函数loss
animator.add(epoch+1, (d2l.evaluate_loss(net, train_iter, loss),
d2l.evaluate_loss(net, test_iter, loss)))
#torch.norm(w)代表w的L2范数
print('w的L2范数是:', torch.norm(w).item())
忽略正则化直接训练
我们现在用lambd = 0禁用权重衰减后运行这个代码。 注意,这里训练误差有了减少,但测试误差没有减少, 这意味着出现了严重的过拟合。
train(lambd=0)
w的L2范数是: 12.695174217224121
使用权重衰减
下面,我们使用权重衰减来运行代码。 注意,在这里训练误差增大,但测试误差减小。 这正是我们期望从正则化中得到的效果。
train(lambd=3)
w的L2范数是: 0.5665048956871033
简洁实现
由于权重衰减在神经网络优化中很常用, 深度学习框架为了便于我们使用权重衰减, 将权重衰减集成到优化算法中,以便与任何损失函数结合使用。 此外,这种集成还有计算上的好处, 允许在不增加任何额外的计算开销的情况下向算法中添加权重衰减。 由于更新的权重衰减部分仅依赖于每个参数的当前值, 因此优化器必须至少接触每个参数一次。
定义模型
在下面的代码中,我们在实例化优化器时直接通过weight_decay指定weight decay超参数。 默认情况下,PyTorch同时衰减权重和偏移。 这里我们只为权重设置了weight_decay,所以偏置参数 b b b 不会衰减。
#简洁实现附带L2正则化的模型函数
def train_concise(wd):
net = nn.Sequential(nn.Linear(num_inputs, 1)) #定义线性网络模型
#标准正态分布函数初始化线性模型参数
for param in net.parameters():
param.data.normal_()
loss = nn.MSELoss(reduction='none') #定义均方损失函数
num_epochs, lr = 100, 0.003 #定义迭代训练次数与学习率
#定义模型优化方法,其中net[n].weight代表第n层的权重, net[n].bias
updater = torch.optim.SGD([
{"params":net[0].weight, "weight_decay":wd},
{"params":net[0].bias}], lr=lr)
#定义绘图对象
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:
updater.zero_grad() #清空之前累积的梯度
l = loss(net(X), y) #计算预测值与真实值的损失
l.mean().backward() #反向传播计算梯度
updater.step() #更新梯度
if (epoch+1) % 5 == 0:
animator.add(epoch+1, (d2l.evaluate_loss(net, train_iter, loss),
d2l.evaluate_loss(net, test_iter, loss)))
#norm()函数表示范式
print('w的L2范数:', net[0].weight.norm().item())
忽略正则化直接训练
我们现在用lambd = 0禁用权重衰减后运行这个代码。 注意,这里训练误差有了减少,但测试误差没有减少, 这意味着出现了严重的过拟合。
train_concise(wd=0)
w的L2范数: 12.607193946838379
使用权重衰减
train_concise(wd=3)
w的L2范数: 0.6688593626022339
小结
正则化是处理过拟合的常用方法:在训练集的损失函数中加入惩罚项,以降低学习到的模型的复杂度。
保持模型简单的一个特别的选择是使用 L 2 L_2 L2 惩罚的权重衰减。这会导致学习算法更新步骤中的权重衰减。
权重衰减功能在深度学习框架的优化器中提供。
在同一训练代码实现中,不同的参数集可以有不同的更新行为。