目录
3.2 训练时使用dropout,推理时不用,那么会不会导致输出的结果翻倍了?比如dropout = 0.5,推理输出结果是训练时两倍的子神经网络叠加而翻倍?
3.3 dropout每次随机选几个子网络,最后作平均的做法是不是类似随机森林多随机树做投票的思想?
3.5 dropout和权重衰减都属于正则,为什么dropout效果更好更常用?
1. 理论层面重新审视过拟合
丢弃法将一些输出项随机置0来控制模型复杂度,丢弃概率是控制模型复杂度的超参数,通常可能取,0.1,0.5,0.9
2. 实现Dropout
2.1 从0开始实现dropout
要实现单层的暂退算法,我们从均匀分布U【0,1】中抽取样本,样本数和这层神经网络维度一致,然后保存样本大于p的节点,剩下的丢弃。
Python assert(断言)用于判断一个表达式,在表达式条件为 false 的时候触发异常。断言可以在条件不满足程序运行的情况下直接返回错误,而不必等待程序运行后出现崩溃的情况。
这里使用rand而不是randn,两者有着很多区别,rand返回了一个张量,包含了从0-1的均匀分布中抽取的一组随机数,张量的形状由size定义。而randn返回的是一个均值为0,标准差为1的标准正态分布
import torch
from torch import nn
from d2l import torch as d2l
def dropout_layer(X, dropout):
assert 0 <= dropout <= 1
if dropout == 1:
return torch.zeros_like(X)
# 在本情况中,所有元素都被保留
if dropout == 0:
return X
'''转为float类型方便进行乘法运算'''
mask = (torch.rand(X.shape) > dropout).float()
return mask * X / (1.0 - dropout)
我们可以通过下面几个例子来测试dropout_layer
函数。 我们将输入X
通过暂退法操作,暂退概率分别为0、0.5和1。可以清楚的看见发生了什么
X= torch.arange(16, dtype = torch.float32).reshape((2, 8))
print(X)
print(dropout_layer(X, 0.))
print(dropout_layer(X, 0.5))
print(dropout_layer(X, 1.))
'''
tensor([[ 0., 1., 2., 3., 4., 5., 6., 7.],
[ 8., 9., 10., 11., 12., 13., 14., 15.]])
tensor([[ 0., 1., 2., 3., 4., 5., 6., 7.],
[ 8., 9., 10., 11., 12., 13., 14., 15.]])
tensor([[ 0., 0., 0., 0., 8., 0., 0., 14.],
[16., 0., 0., 0., 24., 0., 0., 0.]])
tensor([[0., 0., 0., 0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0., 0., 0., 0.]])'''
同样,我们使用softmax学习中引入的Fashion-MNIST数据集。 我们定义具有两个隐藏层的多层感知机,每个隐藏层包含256个单元。
num_inputs, num_outputs, num_hiddens1, num_hiddens2 = 784, 10, 256, 256
我们可以将暂退法应用于每个隐藏层的输出(在激活函数之后), 并且可以为每一层分别设置暂退概率: 常见的技巧是在靠近输入层的地方设置较低的暂退概率。 下面的模型将第一个和第二个隐藏层的暂退概率分别设置为0.2和0.5, 并且暂退法只在训练期间有效。
dropout1, dropout2 = 0.2, 0.5
class Net(nn.Module):
def __init__(self, num_inputs, num_outputs, num_hiddens1, num_hiddens2,
is_training = True):
super(Net, self).__init__()
self.num_inputs = num_inputs
self.training = is_training
self.lin1 = nn.Linear(num_inputs, num_hiddens1)
self.lin2 = nn.Linear(num_hiddens1, num_hiddens2)
self.lin3 = nn.Linear(num_hiddens2, num_outputs)
self.relu = nn.ReLU()
def forward(self, X):
H1 = self.relu(self.lin1(X.reshape((-1, self.num_inputs))))
# 只有在训练模型时才使用dropout
if self.training == True:
# 在第一个全连接层之后添加一个dropout层
H1 = dropout_layer(H1, dropout1)
H2 = self.relu(self.lin2(H1))
if self.training == True:
# 在第二个全连接层之后添加一个dropout层
H2 = dropout_layer(H2, dropout2)
out = self.lin3(H2)
return out
net = Net(num_inputs, num_outputs, num_hiddens1, num_hiddens2)
训练和测试
num_epochs, lr, batch_size = 10, 0.5, 256
loss = nn.CrossEntropyLoss(reduction='none')
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)
trainer = torch.optim.SGD(net.parameters(), lr=lr)
d2l.train_ch3(net, train_iter, test_iter, loss, num_epochs, trainer)
2.2 简洁实现dropout
对于深度学习框架的高级API,我们只需在每个全连接层之后添加一个Dropout
层, 将暂退概率作为唯一的参数传递给它的构造函数。 在训练时,Dropout
层将根据指定的暂退概率随机丢弃上一层的输出(相当于下一层的输入)。 在测试时,Dropout
层仅传递数据。
net = nn.Sequential(nn.Flatten(),
nn.Linear(784, 256),
nn.ReLU(),
# 在第一个全连接层之后添加一个dropout层
nn.Dropout(dropout1),
nn.Linear(256, 256),
nn.ReLU(),
# 在第二个全连接层之后添加一个dropout层
nn.Dropout(dropout2),
nn.Linear(256, 10))
def init_weights(m):
if type(m) == nn.Linear:
nn.init.normal_(m.weight, std=0.01)
net.apply(init_weights);
接下来,我们对模型进行训练和测试。
trainer = torch.optim.SGD(net.parameters(), lr=lr)
d2l.train_ch3(net, train_iter, test_iter, loss, num_epochs, trainer)
3. QA环节
3.1 为什么推理中的dropout是直接返回输入?
a:这是很多人有的一个误解,在预测过程中是不会进行dropout环节的,dropout是一个正则项,它的目的是为了让我们在模型训练过程中,权重的更新过程中,使得权重的值不会那么大,推理的过程中,是不应该更新权重变化模型去预测的。如果仅仅是关心在一个测试集上的训练准确度,事实上这个dropout不会有很大影响,你通过dropout在观察loss的时候,发现loss减少了,但是其实有可能在训练集上正确度增加了,因为我们增强的是泛化能力。
3.2 训练时使用dropout,推理时不用,那么会不会导致输出的结果翻倍了?比如dropout = 0.5,推理输出结果是训练时两倍的子神经网络叠加而翻倍?
事实上,训练我们确实使用dropout来使得一些输出变为0,但是相应没有变为0的项通过除以1 - p我们的期望事实上是没有变化的,所以我们最终去预测并不会受到这种影响。
3.3 dropout每次随机选几个子网络,最后作平均的做法是不是类似随机森林多随机树做投票的思想?
从某种程度上是这样的,因为有些时候也有人在预测的时候使用dropout,每次随机的挑选子网络去进行预测,然后求平均。但是普遍还是更认为它像一个正则化项
3.4 请问老师dropout丢弃的是前一层还是后一层?
dropout可以理解为一层,它是把前一层的输出给随机置0,也就是后一层的输入
3.5 dropout和权重衰减都属于正则,为什么dropout效果更好更常用?
dropout针对的是全连接层,而weight decay是卷积层等都可以使用,权重衰退的使用其实感觉更多,dropout也不能说效果就特别好,只能说方便调参,比如训练一个单隐藏层128个权重训练的还行,我可以尝试使用256个权重加上0.5的dropout,深度学习其实很多时候训练的时候可以先让它过拟合,之后通过加入正则项去不断调整,可能会达到更好的效果。