d2l笔记:4.6 暂退法(dropout)
暂退法的目标就是改进深层网络的泛化性。
经典泛化理论认为,应以简单的模型为目标,也就是维度较小的模型,这个想法正对应了权重衰减的技巧。
另一个要点是平滑性,也即加入随机噪声不会对结果造成过大影响,于是,暂退法应运而生。
暂退法是指在前向传播的过程中注入噪声,表面上看就是在训练的过程中丢弃一些神经元,标准暂退法包括在计算下一层之前将当前层中的一些节点置零。
加入噪声的方法值得思考。一种想法是无偏向地注入噪声,保持每层的期望不变,将一些结点的活性设成0,并将“多出来的活性值”让其他未被丢弃的结点分掉,也就是下面的式子:
h
′
=
{
0
,
概率为
p
h
1
−
p
,
其他情况
h^{\prime} = \begin{cases} 0, &概率为p \\ \frac{h}{1-p}, &其他情况 \end{cases}
h′={0,1−ph,概率为p其他情况
一般在测试时不会使用暂退法,但是使用暂退法可以估计神经网络预测的“稳定性”。
导入包
import torch
from torch import nn
from d2l import torch as d2l
从零开始实现
dropout layer
当 dropout 的值为 0 或 1 时,直接返回对应的值,这样的处理可以防止之后除以零或出现一些奇怪的状况。在一般的情况下,使用随机数和布尔值的特性直接计算(非常简洁)。
def dropout_layer(X, dropout):
assert 0 <= dropout <= 1
if dropout == 1:
return torch.zeros_like(X)
if dropout == 0:
return X
mask = (torch.rand(X.shape) > dropout).float()
return mask * X / (1.0 - dropout)
超参数的设定
num_inputs, num_outputs, num_hiddens1, num_hiddens2 = 784, 10, 256, 256
dropout1, dropout2 = 0.2, 0.5
网络的建立
由于在测试的时候不需要有暂退的结点,所以需要在类中记录训练状态以便控制。
网络中有两个 dropout 层。
其他代码还是熟悉的味道。
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))))
if self.training == True:
H1 = dropout_layer(H1, dropout1)
H2 = self.relu(self.lin2(H1))
if self.training == True:
H2 = dropout_layer(H2, dropout2)
out = self.lin3(H2)
return out
net = Net(num_inputs, num_outputs, num_hiddens1, num_hiddens2)
训练
设置epoch大小、学习率、batch 大小等超参数,采用交叉熵损失,采用随机梯度下降,一切照旧。
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)
简洁实现
构建网络
与上面的实现相同,使用了三个全连接层,在层之间用了ReLU,并使用了暂退法。
net = nn.Sequential(nn.Flatten(),
nn.Linear(784, 256),
nn.ReLU(),
nn.Dropout(dropout1),
nn.Linear(256, 256),
nn.ReLU(),
nn.Dropout(dropout2),
nn.Linear(256, 10))
初始化模型参数
def init_weights(m):
if type(m) == nn.Linear:
nn.init.normal_(m.weight, std=0.01)
net.apply(init_weights)
训练
trainer = torch.optim.SGD(net.parameters(), lr=lr)
d2l.train_ch3(net, train_iter, test_iter, loss, num_epochs, trainer)