深度学习调参技巧

参考：
https://www.zhihu.com/question/25097993/answer/127472322 （有待继续看）
https://www.cnblogs.com/eilearn/p/9044543.html
浅析 Hinton 最近提出的 Capsule 计划: https://zhuanlan.zhihu.com/p/29435406 (加深对深度学习的理解)

 

目前来看，很多对 NN 的贡献（特别是核心的贡献），都在于NN的梯度流上，比如
 
- sigmoid会饱和，造成梯度消失。于是有了ReLU。
- ReLU负半轴是死区，造成梯度变0。于是有了LeakyReLU，PReLU。
- 强调梯度和权值分布的稳定性，由此有了ELU，以及较新的SELU。
- 太深了，梯度传不下去，于是有了highway。
- 干脆连highway的参数都不要，直接变残差，于是有了ResNet。
- 强行稳定参数的均值和方差，于是有了BatchNorm。
- 在梯度流中增加噪声，于是有了 Dropout。
- RNN梯度不稳定，于是加几个通路和门控，于是有了LSTM。
- LSTM简化一下，有了GRU。
- GAN的JS散度有问题，会导致梯度消失或无效，于是有了WGAN。
- WGAN对梯度的clip有问题，于是有了WGAN-GP。
说到底，相对于8，90年代（已经有了CNN，LSTM，以及反向传播算法），没有特别本质的改变。

 
 

1、数据输入预处理

  去均值、归一化、PCA/白化
去均值： 即0均值化，CNN常用，训练集所有像素值减去均值，把输入数据各个维度中心化到0，测试集也减相同的均值。
  目的：数据有过大的均值可能导致参数的梯度过大，在梯度回传时会有一些影响；
归一化： 幅度归一化到同样的范围
  目的：为了让不同维度的数据具有相同的分布规模，方便操作，图像一般不需要
PCA/白化： 降维，白化是对PCA降维后的数据每个特征轴上的幅度归一化。
  目的：相当于在零均值化和归一化操作之间插入一个旋转操作，将数据投影在主轴上。图像一般不需要，因为图像的信息本来就是依靠像素之间的相对差异来体现的。

2、池化层作用

本质上，是在精简feature map数据量的同时，最大化保留空间信息和特征信息，的处理技巧；
目的是（a）对feature map及参数进行压缩，起到降维作用；
　　　（b）减小过拟合的作用。包括Max pooling 和average pooling；
　　　（c）引入不变性，包括平移、旋转、尺度不变性。但CNN的invariance的能力，本质是由convolution创造的；
简而言之，如果输入是图像的话，那么池化层的最主要作用就是压缩图像。

3、调参优化方法：基本原则—快速试错

（1）由小数据到大数据
  刚开始, 先上小规模数据, 模型往大了放, 只要不爆显存, 能用256个filter你就别用128个. 直接奔着过拟合去。
  目的：验证自己的训练脚本的流程对不对。如果小数据量下, 你这么粗暴的大网络奔着过拟合去都没效果. 那么, 你要开始反思自己了, 模型的输入输出是不是有问题? 要不要检查自己的代码(永远不要怀疑工具库, 除非你动过代码)? 模型解决的问题定义是不是有问题? 你对应用场景的理解是不是有错?
（2）loss设计要合理
  一般来说分类就是Softmax, 回归就是L2的loss. 但是要注意loss的错误范围(主要是回归), 你预测一个label是10000的值, 模型输出0, 你算算这loss多大, 这还是单变量的情况下. 一般结果都是nan. 所以不仅仅输入要做normalization, 输出也要这么弄.
  多任务情况下, 各loss想法限制在一个量级上, 或者最终限制在一个量级上, 初期可以着重一个任务的loss。
（3）观察loss胜于观察准确率
  LOSS下降时稳定的，而准确率有时是突变的，不能反映真实情况。给NN一点时间, 要根据任务留给NN的学习一定空间. 不能说前面一段时间没起色就不管了. 有些情况下就是前面一段时间看不出起色, 然后开始稳定学习.
（4）确认分类网络学习充分
  分类网络就是学习类别之间的界限. 你会发现, 网络就是慢慢的从类别模糊到类别清晰的. 怎么发现? 看Softmax输出的概率的分布. 如果是二分类, 你会发现, 刚开始的网络预测都是在0.5上下, 很模糊. 随着学习过程, 网络预测会慢慢的移动到0,1这种极值附近. 所以, 如果你的网络预测分布靠中间, 再学习学习。
（5）学习率设置合理
  太大: loss爆炸, 或者nan；太小: 半天loss没反映。当loss在当前LR下一路降了下来, 但是半天不再降了，就需要进一步降低了LR了。
（6）对比训练集和验证集的loss
  判断过拟合, 训练是否足够, 是否需要early stop的依据, 这都是中规中矩的原则, 不多说了。
（7）清楚receptive field的大小
  CV的任务, context window是很重要的. 所以你对自己模型的receptive field的大小要心中有数. 这个对效果的影响还是很显著的. 特别是用FCN, 大目标需要很大的receptive field. 不像有fully connection的网络, 好歹有个fc兜底, 全局信息都有。
（8）最后一层激活函数
  分类softmax，回归的话一般不用，直接输出wx+b。
（9）训练数据增强
  旋转、裁剪、亮度、色度、饱和度等变化等增加鲁棒性

小结

1. 预处理:-mean/std zero-center就够了, PCA, 白化什么的都用不上. 我个人观点, 反正CNN能学习encoder, PCA用不用其实关系不大, 大不了网络里面自己学习出来一个.
2. 训练数据要shuffle, shuffle, shuffle。
3. 网络原理的理解最重要, CNN的conv这块, 你得明白sobel算子的边界检测.
4. Dropout, Dropout, Dropout(不仅仅可以防止过拟合, 其实这相当于做人力成本最低的Ensemble, 当然, 训练起来会比没有Dropout的要慢一点, 同时网络参数你最好相应加一点, 对, 这会再慢一点)。注意，一般取值0.5，在测试时关掉。
5. CNN更加适合训练回答是否的问题, 如果任务比较复杂, 考虑先用分类任务训练一个模型再finetune
6. 无脑用ReLU(CV领域).；参数初始化用xavier；无脑用3x3。
7. LRN一类的, 其实可以不用. 不行可以再拿来试试看
8. filter数量2^n。第一层的filter, 数量不要太少. 否则根本学不出来(底层特征很重要).
9. 多尺度的图片输入(或者网络内部利用多尺度下的结果)有很好的提升效果
10. sgd adam 这些选择上, 看你个人选择. 一般对网络不是决定性的. 反正我无脑用sgd + momentum。
11. shortcut的联接是有作用的。
12. batch normalization我一直没用, 虽然我知道这个很好, 我不用仅仅是因为我懒. 所以要鼓励使用batch normalization。好坏另说，试了才知道。
13. 不要完全相信论文里面的东西. 结构什么的觉得可能有效果, 可以拿去试试
14. 暴力调参最可取, 毕竟, 自己的生命最重要. 你调完这个模型说不定过两天这模型就扔掉了.
15. Google的inception论文, 结构要好好看看