丢弃法(dropout)
动机
一个好的模型需要对输入数据的扰动鲁棒。
1、使用有噪音的数据等价于Tikhonov正则。(权重的范围不要太大,防止过拟合,在数据里面加入噪音等价于正则。正则都是为了避免过拟合??随机噪音)
2、丢弃法:在层之间加噪音。
无偏差的加入噪音
丢弃法对每个元素进行如下扰动:概率p为0,其他情况变大。p就是dropout rate
x
i
′
=
{
0
with probablity p
x
′
1
−
p
otherise
x_i^{'} =\begin{cases} 0 &\text{with probablity p}\\ \frac{x'}{1-p} &\text{otherise}\\ \end{cases}
xi′={01−px′with probablity potherise
使用丢弃法
通常将丢弃法作用在隐藏全连接层的输出上。(昨天汇报的那篇论文Deep learn FHE就是最后是全连接层加dropout层)
h
=
σ
(
W
1
x
+
b
1
)
第一个隐藏层,激活函数
h
′
=
d
r
o
p
o
u
t
(
h
)
在概率
p
丢弃
o
=
W
2
h
′
+
b
2
输出层
y
=
s
o
f
t
m
a
x
(
o
)
h=\sigma(W_1x+b_1) 第一个隐藏层,激活函数\\ h'=dropout(h) 在概率p丢弃\\ o=W_2h'+b_2 输出层\\ y=softmax(o)
h=σ(W1x+b1)第一个隐藏层,激活函数h′=dropout(h)在概率p丢弃o=W2h′+b2输出层y=softmax(o)
假设原先一共3层,分别有输入层4,隐藏层5,输出层3.
变为输入层4,隐藏层剩下3个,输出不变还是3。下一次可能是另外一些。随机化。
推理中的丢弃法:
正则项只在训练中使用:他们会影响参数的更新。
在推理过程中,丢弃法直接返回输入。
预测时:h=dropout(h)
这样也能保证确定性的输出。
总结:
丢弃法将一些输出项随机置0来控制模型的复杂度。(增加单元,减少复杂度)
常作用于多层感知机MLP的隐藏层输出上。
丢弃概率式控制模型复杂度的超参数。
import torch
import timer
from torch import nn
from d2l import torch as d2l
import matplotlib.pyplot as plt
def dropout_layer(X, dropout):#简洁实现时,这个函数已经封装好了
assert 0 <= dropout <= 1
# 在本情况中,所有元素都被丢弃。
if dropout == 1:
return torch.zeros_like(X)
# 在本情况中,所有元素都被保留。不变
if dropout == 0:
return X
mask = (torch.randn(X.shape) > dropout).float()
return mask * X / (1.0 - dropout)#此时mask只取两个值,0和1,相当于取一些位置置0
'''
实例
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.],保持期望不变,值会变大
[ 0., 18., 0., 0., 0., 26., 28., 0.]])
tensor([[0., 0., 0., 0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0., 0., 0., 0.]])
'''
#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,注意是否是在训练
num_inputs, num_outputs, num_hidden1, num_hidden2 = 784, 10, 256, 256
dropout1, dropout2 = 0.2, 0.5
class Net(nn.Module):
def __init__(self, num_inputs, num_outputs, num_hidden1, num_hidden2, is_training=True):
super(Net, self).__init__()
self.num_inputs = num_inputs
self.training = is_training
self.lin1 = nn.Linear(num_inputs, num_hidden1)
self.lin2 = nn.Linear(num_hidden1, num_hidden2)
self.lin3 = nn.Linear(num_hidden2, 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:
# 在第一个全连接层之后添加一个dropout层,先激活relu
H1 = dropout_layer(H1, dropout1)
H2 = self.relu(self.lin2(H1))
if self.training:
# 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_hidden1, num_hidden2)
num_epochs, lr, batch_size = 10, 0.5, 256
loss = nn.CrossEntropyLoss()#交叉熵
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)
print(len(train_iter))
trainer = torch.optim.SGD(net.parameters(), lr=lr)
d2l.train_ch3(net,train_iter,test_iter,loss,num_epochs,trainer)
plt.show()
#有dropout结果会比之前好许多
import torch
import timer
from torch import nn
from d2l import torch as d2l
import matplotlib.pyplot as plt
def init_weights(m):
if type(m) == nn.Linear:
nn.init.normal_(m.weight, std=0.01)
num_inputs, num_outputs, num_hidden1, num_hidden2 = 784, 10, 256, 256
dropout1, dropout2 = 0.2, 0.5
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))
net.apply(init_weights)
num_epochs, lr, batch_size = 10, 0.5, 256
loss = nn.CrossEntropyLoss()
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)
plt.show()
QA
- dropout随机置0,梯度和权重也会为0.
- dropout超参数设置要合适, 不合理输出结果影响不同。
随机丢弃保证不了正确性,,看精度,可以重复。 - 丢弃法是在训练中吧神经元丢弃后训练,在预测网络中的神经元没有丢弃。
- 每epoch迭代一次,随机丢弃一次。
- BN是卷积层,dropout是全连接层使用。
- dropout没有被丢弃的输入部分的值会改变(变大),保持期望(方差,均值不变),训练数据的标签还是原来的值。
- 解决过拟合的问题上,两种方法,可以一起用,dropout减少复杂度,L2限制权重范围。