框架学习杂记

训练参数及其含义

• 学习率（lr）：梯度下降反向传播时的学习速率，可以通过不同分布生成变化的学习率
• weight_decay：实际上就是L2正则化向中的$\lambda$

机器学习技巧及意义

梯度累加（Gradient Accumulation）

在GPU内存被限制的时候，使用相对小的batch进行训练，但不在每个batch训练完成后更新参数，而是在若干个batch完成后，一次性更新参数并清空梯度，这样可以得到类似大batch size的训练效果

for i, (inputs, labels)in enumerate(trainloader):
    outputs= net(inputs)                  # 正向传播
    loss= criterion(outputs, labels)      # 计算损失函数
    loss= loss/ accumulation_steps       # 损失标准化
    loss.backward()                        # 反向传播，计算梯度
    if (i+1)% accumulation_steps== 0:
        optimizer.step()                   # 更新参数
        optimizer.zero_grad()              # 梯度清零
        if (i+1)% evaluation_steps== 0:
            evaluate_model()

残差（residual）

残差在数理统计中是指实际观察值与估计值（拟合值）之间的差，如果回归模型正确的话， 我们可以将残差看作误差的观测值。
残差网络可以解决网络深化厚的退化问题。
残差网络整体上的思路就是，如果设置了残差，就会有一个从输入直接到输出的shotcut function。

如图残差图的关键就是插入了一个从输入到输出的Indentity函数，一个神经网络层由F(x)变为F(x)+x，假如最优输入为x，只需要优化F(x)=H(x)-x=0即可。
如果输入维度和输出维度不一致，还需要一个线性层将输入维度转化为输出维度。
残差图起作用的原因是，由于有了shortcut，一个神经网络层的存在最差也不会损失精度（计算图仅仅通过identity函数），同时也有可能学习到使得精度提高的参数变化（神经网络参数）。