再也不用担心过拟合的问题了

最新推荐文章于 2023-12-13 15:48:06 发布

视学算法

最新推荐文章于 2023-12-13 15:48:06 发布

阅读量162

点赞数 1

文章标签：算法人工智能深度学习神经网络机器学习

原文链接：https://pub.towardsai.net/we-dont-need-to-worry-about-overfitting-anymore-9fb31a154c81

版权

点击上方“视学算法”，选择加"星标"或“置顶”

重磅干货，第一时间送达

作者 | Sean Benhur J

编译 | ronghuaiyang

转自 | AI公园

使用SAM（锐度感知最小化），优化到损失的最平坦的最小值的地方，增强泛化能力。

论文：https://arxiv.org/pdf/2010.01412.pdf

代码：https://github.com/moskomule/sam.pytorch

动机来自先前的工作，在此基础上，我们提出了一种新的、有效的方法来同时减小损失值和损失的锐度。具体来说，在我们的处理过程中，进行锐度感知最小化(SAM)，在领域内寻找具有均匀的低损失值的参数。这个公式产生了一个最小-最大优化问题，在这个问题上梯度下降可以有效地执行。我们提出的实证结果表明，SAM在各种基准数据集上都改善了的模型泛化。

在深度学习中，我们使用SGD/Adam等优化算法在我们的模型中实现收敛，从而找到全局最小值，即训练数据集中损失较低的点。但等几种研究表明，许多网络可以很容易地记住训练数据并有能力随时overfit，为了防止这个问题，增强泛化能力，谷歌研究人员发表了一篇新论文叫做Sharpness Awareness Minimization，在CIFAR10上以及其他的数据集上达到了最先进的结果。

在本文中，我们将看看为什么SAM可以实现更好的泛化，以及我们如何在Pytorch中实现SAM。

SAM的原理是什么？

在梯度下降或任何其他优化算法中，我们的目标是找到一个具有低损失值的参数。但是，与其他常规的优化方法相比，SAM实现了更好的泛化，它将重点放在领域内寻找具有均匀的低损失值的参数(而不是只有参数本身具有低损失值)上。

由于计算邻域参数而不是计算单个参数，损失超平面比其他优化方法更平坦，这反过来增强了模型的泛化。

(左))用SGD训练的ResNet收敛到的一个尖锐的最小值。(右)用SAM训练的相同的ResNet收敛到的一个平坦的最小值。

注意：SAM不是一个新的优化器，它与其他常见的优化器一起使用，比如SGD/Adam。

在Pytorch中实现SAM

在Pytorch中实现SAM非常简单和直接

import torch

class SAM(torch.optim.Optimizer):
    def __init__(self, params, base_optimizer, rho=0.05, **kwargs):
        assert rho >= 0.0, f"Invalid rho, should be non-negative: {rho}"

        defaults = dict(rho=rho, **kwargs)
        super(SAM, self).__init__(params, defaults)

        self.base_optimizer = base_optimizer(self.param_groups, **kwargs)
        self.param_groups = self.base_optimizer.param_groups

    @torch.no_grad()
    def first_step(self, zero_grad=False):
        grad_norm = self._grad_norm()
        for group in self.param_groups:
            scale = group["rho"] / (grad_norm + 1e-12)

            for p in group["params"]:
                if p.grad is None: continue
                e_w = p.grad * scale.to(p)
                p.add_(e_w)  # climb to the local maximum "w + e(w)"
                self.state[p]["e_w"] = e_w

        if zero_grad: self.zero_grad()

    @torch.no_grad()
    def second_step(self, zero_grad=False):
        for group in self.param_groups:
            for p in group["params"]:
                if p.grad is None: continue
                p.sub_(self.state[p]["e_w"])  # get back to "w" from "w + e(w)"

        self.base_optimizer.step()  # do the actual "sharpness-aware" update

        if zero_grad: self.zero_grad()


    def _grad_norm(self):
        shared_device = self.param_groups[0]["params"][0].device  # put everything on the same device, in case of model parallelism
        norm = torch.norm(
                    torch.stack([
                        p.grad.norm(p=2).to(shared_device)
                        for group in self.param_groups for p in group["params"]
                        if p.grad is not None
                    ]),
                    p=2
               )
        return norm

代码取自非官方的Pytorch实现。

代码解释：

首先，我们从Pytorch继承优化器类来创建一个优化器，尽管SAM不是一个新的优化器，而是在需要继承该类的每一步更新梯度(在基础优化器的帮助下)。
该类接受模型参数、基本优化器和rho, rho是计算最大损失的邻域大小。
在进行下一步之前，让我们先看看文中提到的伪代码，它将帮助我们在没有数学的情况下理解上述代码。

正如我们在计算第一次反向传递后的伪代码中看到的，我们计算epsilon并将其添加到参数中，这些步骤是在上述python代码的方法first_step中实现的。
现在在计算了第一步之后，我们必须回到之前的权重来计算基础优化器的实际步骤，这些步骤在函数second_step中实现。
函数_grad_norm用于返回矩阵向量的norm，即伪代码的第10行
在构建这个类后，你可以简单地使用它为你的深度学习项目通过以下的训练函数片段。

from sam import SAM
...

model = YourModel()
base_optimizer = torch.optim.SGD  # define an optimizer for the "sharpness-aware" update
optimizer = SAM(model.parameters(), base_optimizer, lr=0.1, momentum=0.9)
...

for input, output in data:

  # first forward-backward pass
  loss = loss_function(output, model(input))  # use this loss for any training statistics
  loss.backward()
  optimizer.first_step(zero_grad=True)
  
  # second forward-backward pass
  loss_function(output, model(input)).backward()  # make sure to do a full forward pass
  optimizer.second_step(zero_grad=True)
...