【深度学习】李宏毅2021/2022春深度学习课程笔记 - Deep Learning Task Tips

---

一、深度学习步骤回顾

---

二、常规指导

---

三、训练过程中Loss很大

3.1 原因1：模型过于简单

原因分析

如果你的设计的模型（函数表达式）过于简单，可能会拟合不出复杂的函数，导致预测误差较高

解决方案

解决方法也很简单，就是增加模型的复杂度。如上一节课（【深度学习】李宏毅2021/2022春深度学习课程笔记 - Deep Learning Introduction）所讲的，我们可以将原本简单的线性表达式转化为复杂的非线性表达式，这样就可以拟合出更多复杂的函数，从而为减小误差提供可能。

3.2 原因2：优化得不好

原因分析

以当前模型确实存在一组参数使得Loss较低，但是由于优化算法的效果不好，没办法找到可以使得Loss较低的参数

解决方案

更换效果更好的优化算法

3.3 原因1 or 原因2 ？

这一节会讲述，我们应该怎么判断到底是原因1导致的训练过程Loss过高，还是原因2导致的

尝试不同的模型，对比不同模型下，训练过程的Loss。如下图所示，56层的模型的Loss反而比20层的模型还要大，说明应该是原因2导致的训练过程Loss过高

---

四、训练过程Loss小。测试过程Loss大

4.1 原因1：过拟合 Overfitting

原因分析

在大部分情况下，训练数据只是数据全集的一小部分，甚至有可能存在部分噪声数据，所以如果模型对训练数据学习得过于深入，有可能学到噪声，导致模型的泛化性变差

解决方案

• 使用更多的训练数据（当然更多，也要是正确的训练数据多才行噢），减少噪声的影响，增加训练数据的全面性，让模型可以更好地拟合真实函数

其他解决方案

• 使用更少参数的模型
• 使用更少的特征数量
• 提早停止 Early Stopping
• 正则化
• Dropout

4.2 原因2：Mismatch

还是看上一节课讲的案例，2/26是星期五，按照以往的规律，星期五一般学习Deep Learning的人数都是比较少的，所以模型也认为2/26日播放量应该比较少，然而事实是，2/26反而是播放量最多的一天。

这是一种反常的现象，称之为 mismatch。即机器遇到了反常的现象，即测试数据体现出的规律和训练资料体现出的规律有很大不同

下面例子，体现了Mismatch的产生原因，训练数据和测试数据体现的规律有很大不同

---

五、N折交叉验证

为了判断当前模型是否出现过拟合现象，我们需要从原始训练数据中，分出一部分作为验证集，然后选出在验证集上Loss最小的模型作为最终模型

---

六、When gradient is small …

下面只讨论，当Optimization失败时，怎么把梯度下降做得更好

人们对于Optimization失败时，有如下图所示的猜想，认为模型被优化到了一个使得梯度非常接近0的点，导致优化无法继续。这一类点通常是局部最小值点或者鞍点。

那么，如果卡在局部最小值或者鞍点时，应该怎么办呢？下面会介绍解决这个问题的办法。

6.1 Batch

Batch 指的是每次更新参数时，只用训练数据中的一小批数据进行参数更新

如下图所示，一般来说，较小的 Batch Size 可能会得到更好的结果

6.2 Momentum

在介绍 Momentum 之前，先来回顾一下，传统的梯度下降是怎么更新参数的。如下图所示，每到一个点，就按照梯度的反方向更新参数

接下来看看，加上 Momentum 之后的参数更新是什么样的。如下图所示，所谓 Momentum 就是考虑了上一步移动的方向，相当于给参数的更新加上了惯性，让参数的更新不止是根据梯度，还要根据上一步移动的方向进行更新参数，这样有利于跳出局部最优点和鞍点

---

七、Adaptive Learning Rate

下图展示了固定学习率的缺点。如果学习率太大，会导致最终模型可能在最优解附近来回震荡，但始终无法收敛至最优点。如果学习率太小，又会导致模型需要迭代很多次，收敛速度很慢

针对上面提到的，采用固定学习率带来的缺点，我们认为，可以给不同的参数设置不同的参数更新权重，且这个权重是随着迭代进行自适应变化的，进而提高模型迭代的效率与质量

下面给出了 Learing rate 的更新方法，参数更新权重是根据历史梯度计算的

以上，还不是关于学习率优化的最终版本。我们还希望，对于同一个参数的学习率，它对于不同时期的历史梯度信息的权重应该是不一样的，于是就有了 RMSProp ， 它用 α 来控制当前梯度和历史梯度的权重

综上所述，就有了很强的优化器， Adam ！

让我们来看看用了自适应学习率之后的寻优路线，如下图所示。我们可以看到，在接近最优点的时候，在竖直方向上发生了较大幅度的震荡，这是由于自适应学习率是考虑了历史上所有梯度的，而最开始时竖直方向的梯度较大，所以导致其会发生竖直震荡

为了解决上面的震荡问题，我们可以采用 根据迭代次数而自适应变化的学习率，称之为 Learning Rate Scheduling

下面采用了 学习率随迭代次数递减的策略，可以看到，震荡现象就消失了

除了学习率递减策略，还有一个常用策略是 Warm Up 策略 ， 学习率先逐渐上升，然后到一个阈值后，再逐渐下降到一个阈值