第十五课 数值稳定性、模型初始化和激活函数
目录
理论部分
数值的稳定性
神经网络的梯度计算:
其本质来讲是一堆矩阵的乘法,因为向量对向量求导是矩阵。如下图所示:
数值稳定性常见的两个问题:1、梯度爆炸;2、梯度消失。
1、梯队爆炸
如果梯度的值比1大一些的话,比如1.5,那么对于一个100层的网络来说,1.5的100次幂是约等于4*1017的。这就会引起梯度爆炸。
2、梯度消失
如果梯度的值比1小一些的话,比如0.8,那么对于一个100层的网络来说,0.8的100次幂是约等于2*10-10的。这就会引起梯度消失。
举例:
多层感知机关于t层的导数如下图的最后一个公式所示。
我们对这个导数研究梯度爆炸的情况,假设激活函数选取relu函数。如下图所示:
当Wi是大于一的值的话,就会产生梯度爆炸。
如何理解梯度爆炸对学习率很敏感呢?
1、如果学习率太大的话,那么每一步的步长就很大,对于权重更新时,更新的就会比较大,而梯度又是权重的乘法,这样就会带来更大的梯度,更大的梯度又会带来更大的梯度值,往复下去的话梯度就爆炸了。
2、如果学习率太小的话,对权重的训练更新是比较小的,权重小的话会导致整个训练跑不动,就一直处于一个状态。
下面看看梯度消失:
当我们使用sigmoid函数作为激活函数时,由上图可知,当我的输入比较大的时候,它的梯度是很小的。
当梯度很大时,对于一个多层的网络,就会造成梯度消失了。
梯度一直是0的话,无论学习率取多少训练都不会有进展,因为权重就是学习率乘以梯度。
对于底层来说,属于训练的后期,它拿到的梯度会很小,于是就和上述结果一样了。
稳定训练
目标:让梯度值在合理范围内。
方法:1、让乘法变加法;
2、归一化:梯度归一化,梯度裁剪;
3、合理的权重初始和激活函数。
今天主要涉及第三个方法。
其中的一个想法就是,让每层的方差是一个常数:1、让每层的输出和梯度都看做随机变量;2、让它们的均值和方差都保持一致。
我们希望无论是正向还是反向,其均值和方差都是特定的值。
首先,合理的初始化是比较关键的。因为训练开始的时候更容易有数据不稳定,因此需要在一个合理值区间里随机初始化参数。
举个例子:
i.i.d指独立同分布。
首先对于均值来说:
由于w和h相互独立,然后E(w)是0,所以输出的均值也是0。
当输入方差和输出方差一样时,需要满足nt-1rt=1。
反向情况和正向类似,得到的结果也类似,也就是说反向的话若想输入输出的方差相同,要满足ntrt=1。
Xavier初始的思想是:虽然不能同时满足nt-1rt=1和ntrt=1但是可以取个折中。
以上是假设每有激活函数的情况,下面假设有一个线性激活函数。
对于正向来说,若想让期望为零,需要让β=0,如果想让输入输出方差相同的话,就要保证,α=1,因为输出的方差是输出方差的α平方倍。反向的结论是一样的。
那么如何选取激活函数,使得数据尽量稳定呢?
对于tanh和relu来讲,在零点附近,可以近似的看成恒等函数,而且神经网络的权重之类的数往往是在零点附近那些比较小的数,所以对于tanh和relu来讲是满足的。而sigmoid函数是不满足的,因此要对他进行调整,如蓝线所示,调整后的sigmoid函数是符合零点附近的要求的。
![](https://i-blog.csdnimg.cn/blog_migrate/3854d73ad694398b95d64a8ea3a5678b.png)
实践部分
#实战 Kaggle 比赛:预测房价
#实现几个函数来方便下载数据
import hashlib
import os
import tarfile
import zipfile
import requests
DATA_HUB = dict()
DATA_URL = 'http://d2l-data.s3-accelerate.amazonaws.com/'
def download(name, cache_dir=os.path.join('..', 'data')):
"""下载一个DATA_HUB中的文件,返回本地文件名。"""
assert name in DATA_HUB, f"{name} 不存在于 {DATA_HUB}."
url, sha1_hash = DATA_HUB[name]
os.makedirs(cache_dir, exist_ok=True)
fname = os.path.join(cache_dir, url.split('/')[-1])
if os.path.exists(fname):
sha1 = hashlib.sha1()
with open(fname, 'rb') as f:
while True:
data = f.read(1048576)
if not data:
break
sha1.update(data)
if sha1.hexdigest() == sha1_hash:
return fname
print(f'正在从{url}下载{fname}...')
r = requests.get(url, stream=True, verify=True)
with open(fname, 'wb') as f:
f.write(r.content)
return fname
def download_extract(name, folder=None):
"""下载并解压zip/tar文件。"""
fname = download(name)
base_dir = os.path.dirname(fname)
data_dir, ext = os.path.splitext(fname)
if ext == '.zip':
fp = zipfile.ZipFile(fname, 'r')
elif ext in ('.tar', '.gz'):
fp = tarfile.open(fname, 'r')
else:
assert False, '只有zip/tar文件可以被解压缩。'
fp.extractall(base_dir)
return os.path.join(base_dir, folder) if folder else data_dir
def download_all():
"""下载DATA_HUB中的所有文件。"""
for name in DATA_HUB:
download(name)
#使用pandas读入并处理数据
%matplotlib inline
import numpy as np
import pandas as pd
import torch
from torch import nn
from d2l import torch as d2l
DATA_HUB['kaggle_house_train'] = (
DATA_URL + 'kaggle_house_pred_train.csv',
'585e9cc93e70b39160e7921475f9bcd7d31219ce')
DATA_HUB['kaggle_house_test'] = (
DATA_URL + 'kaggle_house_pred_test.csv',
'fa19780a7b011d9b009e8bff8e99922a8ee2eb90')
train_data = pd.read_csv(download('kaggle_house_train'))
test_data = pd.read_csv(download('kaggle_house_test'))
print(train_data.shape)
print(test_data.shape)
#前四个和最后两个特征,以及相应标签
print(train_data.iloc[0:4, [0, 1, 2, 3, -3, -2, -1]])
#将所有缺失的值替换为相应特征的平均值。 通过将特征重新缩放到零均值和单位方差来标准化数据
numeric_features = all_features.dtypes[all_features.dtypes != 'object'].index
all_features[numeric_features] = all_features[numeric_features].apply(
lambda x: (x - x.mean()) / (x.std()))
all_features[numeric_features] = all_features[numeric_features].fillna(0)
#处理离散值。 我们用一次独热编码替换它们
all_features = pd.get_dummies(all_features, dummy_na=True)
all_features.shape
#从pandas格式中提取NumPy格式,并将其转换为张量表示
n_train = train_data.shape[0]
train_features = torch.tensor(all_features[:n_train].values,
dtype=torch.float32)
test_features = torch.tensor(all_features[n_train:].values,
dtype=torch.float32)
train_labels = torch.tensor(train_data.SalePrice.values.reshape(-1, 1),
dtype=torch.float32)
#训练
loss = nn.MSELoss()
in_features = train_features.shape[1]
def get_net():
net = nn.Sequential(nn.Linear(in_features, 1))
return net
#我们更关心相对误差(y−y^)/y, 解决这个问题的一种方法是用价格预测的对数来衡量差异
def log_rmse(net, features, labels):
clipped_preds = torch.clamp(net(features), 1, float('inf'))
rmse = torch.sqrt(loss(torch.log(clipped_preds), torch.log(labels)))
return rmse.item()
#我们的训练函数将借助Adam优化器
def train(net, train_features, train_labels, test_features, test_labels,
num_epochs, learning_rate, weight_decay, batch_size):
train_ls, test_ls = [], []
train_iter = d2l.load_array((train_features, train_labels), batch_size)
optimizer = torch.optim.Adam(net.parameters(), lr=learning_rate,
weight_decay=weight_decay)
for epoch in range(num_epochs):
for X, y in train_iter:
optimizer.zero_grad()
l = loss(net(X), y)
l.backward()
optimizer.step()
train_ls.append(log_rmse(net, train_features, train_labels))
if test_labels is not None:
test_ls.append(log_rmse(net, test_features, test_labels))
return train_ls, test_ls
#K折交叉验证
def get_k_fold_data(k, i, X, y):
assert k > 1
fold_size = X.shape[0] // k
X_train, y_train = None, None
for j in range(k):
idx = slice(j * fold_size, (j + 1) * fold_size)
X_part, y_part = X[idx, :], y[idx]
if j == i:
X_valid, y_valid = X_part, y_part
elif X_train is None:
X_train, y_train = X_part, y_part
else:
X_train = torch.cat([X_train, X_part], 0)
y_train = torch.cat([y_train, y_part], 0)
return X_train, y_train, X_valid, y_valid
#返回训练和验证误差的平均值
def k_fold(k, X_train, y_train, num_epochs, learning_rate, weight_decay,
batch_size):
train_l_sum, valid_l_sum = 0, 0
for i in range(k):
data = get_k_fold_data(k, i, X_train, y_train)
net = get_net()
train_ls, valid_ls = train(net, *data, num_epochs, learning_rate,
weight_decay, batch_size)
train_l_sum += train_ls[-1]
valid_l_sum += valid_ls[-1]
if i == 0:
d2l.plot(list(range(1, num_epochs + 1)), [train_ls, valid_ls],
xlabel='epoch', ylabel='rmse', xlim=[1, num_epochs],
legend=['train', 'valid'], yscale='log')
print(f'fold {i + 1}, train log rmse {float(train_ls[-1]):f}, '
f'valid log rmse {float(valid_ls[-1]):f}')
return train_l_sum / k, valid_l_sum / k
#模型选择
k, num_epochs, lr, weight_decay, batch_size = 5, 100, 5, 0, 64
train_l, valid_l = k_fold(k, train_features, train_labels, num_epochs, lr,
weight_decay, batch_size)
print(f'{k}-折验证: 平均训练log rmse: {float(train_l):f}, '
f'平均验证log rmse: {float(valid_l):f}')
#提交你的Kaggle预测
def train_and_pred(train_features, test_feature, train_labels, test_data,
num_epochs, lr, weight_decay, batch_size):
net = get_net()
train_ls, _ = train(net, train_features, train_labels, None, None,
num_epochs, lr, weight_decay, batch_size)
d2l.plot(np.arange(1, num_epochs + 1), [train_ls], xlabel='epoch',
ylabel='log rmse', xlim=[1, num_epochs], yscale='log')
print(f'train log rmse {float(train_ls[-1]):f}')
preds = net(test_features).detach().numpy()
test_data['SalePrice'] = pd.Series(preds.reshape(1, -1)[0])
submission = pd.concat([test_data['Id'], test_data['SalePrice']], axis=1)
submission.to_csv('submission.csv', index=False)
train_and_pred(train_features, test_features, train_labels, test_data,
num_epochs, lr, weight_decay, batch_size)