为什么Recompile之后你的网络不收敛了

最近在做的一个项目需要把训练分为两个阶段，使用一个loss函数训练一段时间之后再换另一个，在初始化模型的时候没有用callback的方式，而是直接进行了两次compile，但由于手贱改了下第一个阶段的学习率，发现本来好好的模型突然不收敛了。也算是keras使用过程中不那么明显的一个坑，在这里记录一下分析的过程和以后避免跳坑的教训。

---

因为使用的数据比较敏感，所以为便于表达，这里换用MNIST数据集的数据，问题相关的代码：

l1 = Input((in_dims, ))
l2 = Dense(200, activation='relu', kernel_initializer=glorot_uniform(seed=0), bias_initializer='zeros')(l1)
l3 = Dense(50, activation='relu', kernel_initializer=glorot_uniform(seed=0), bias_initializer='zeros')(l2)
l4 = Dense(out_dims, activation='relu', kernel_initializer=glorot_uniform(seed=0), bias_initializer='zeros')(l3)

optimizer_1 = sgd(lr=5e1)
optimizer_2 = sgd(lr=5e-3)

m_model = Model(inputs=l1, outputs=l4)
m_model.compile(optimizer=optimizer_1, loss=categorical_crossentropy, metrics=['acc'])
m_model.fit(x=x_train, y=y_train, batch_size=512, epochs=3, verbose=1, validation_data=(x_val, y_val))

m_model.compile(optimizer=optimizer_2, loss=categorical_crossentropy, metrics=['acc'])
m_model.fit(x=x_train, y=y_train, batch_size=512, epochs=3, verbose=1, validation_data=(x_val, y_val))

模型的收敛情况如下图，lr为5的时候不收敛，这个符合预期，但是在修改了lr之后也没有收敛：

两个阶段模型的收敛情况，左边是lr=5, 右边将lr修改为5e-3重新compile之后训练

而在调换了optimizer_1和optimizer_2的顺序之后，lr为5e-3的阶段还是学习了一点，有一定的精度，到第二个阶段lr改为5才彻底挂掉：

调换optimizer_1和optimizer_2的顺序后，lr为5e-3的部分还是收敛到了一定精度

所以为什么呢？第一反应可能是compile这里出了问题，是不是compile之后原来的学习率还以某种形式在网络中存在？但是在第二张图中我们可以看到compile之后模型的不收敛情况完全符合预期，所以compile不应该引入这样的问题，问题还是和使用这两个学习率的先后顺序有关。compile的作用是配置模型的优化器、损失函数以及metric等，并不会影响模型的内部参数。

我们打开lr=5阶段的TensorBoard再分析一下，这下可以看到是梯度完全消失了，并且权重和偏置基本都是绝对值非常小的负值：

这里是随便拿了一层来看，看右边两个图的grad就会发现梯度基本为0

到了这里结论其实很清楚了，实际上发生的问题是一开始使用了过大的学习率，导致几乎全部节点都发生了dead relu，而在使用更小的学习率进行compile之后，原本的l1, l2, l3, l4中的权重和偏置并没有被重新初始化，这样以后就不会再有梯度了，再怎么改学习率或优化器都无法收敛了。

---

当然为了方便描述，在这个例子里边用了5这么一个几乎不会用的学习率。推广到更一般的情况，如果使用的学习率过大，导致线性激活函数死掉，或者导致其它激活函数进入了离原点很远的饱和区间，那后边再如何修改参数都于事无补了。

在实际使用中，recompile很可能会在另一个场景给你错觉：ensemble是提升模型性能的一个方法，我们通过多次采样数据，使用不同的超参训练多个模型，最后使用这些模型预测的均值。比如我们用多次采样train+dev集合的方法，训练多次，但中间忘了重新初始化模型参数，而只是用一个compile，你会发现不论怎么采样，模型的在训练集的精度都是稳步上升的，但应用到测试集往往效果不怎么样。原因就是我们在训练过程中，越往后验证集中的数据就越有可能已经在之前的训练集中包含过，这样肯定性能会越来越好，但实际上只是过拟合了。

操作上的建议是:

• 模型如果很快就不收敛了，需要优先用TensorBoard检查梯度和权重等，看是不是发生了dead relu或其他激活函数进入饱和区间的情况，看着图找原因总是最有效率的。过大的学习率、不合理的loss函数和输出层激活函数搭配、不合理的权重初始化方式都会导致这类问题。
• 对于调参场景和ensemble模型优化场景，模型的层的定义和模型构建最好放在一个函数中，先调用函数生成模型，再进行compile和fit，这样每次compile之间都会重置参数，不会有历史遗留的参数而导致收敛问题或无用的的性能提升。