深度学习超参设置的一般性方法

Hyper Parameter Tuning

Hand Tuning

Good Code Style

• 将各个参数的设置部分集中在⼀起。 如果参数的设置分布在代码的各个地⽅， 那么修改的过程想必会⾮常痛苦。
• 可以输出模型的损失函数值以及训练集和验证集上的准确率。
• 可以考虑设计⼀个⼦程序，可以根据给定的参数， 启动训练并监控和周期性保存评估结果。 再由⼀个主程序，分配参数以及并⾏启动⼀系列⼦程序。

General to Specific

• 建议先参考相关论⽂，以论⽂中给出的参数作为初始参数。 ⾄少论⽂中的参数，是个不差的结果。
• 如果找不到参考，那么只能⾃⼰尝试了。 可以先从⽐较重要，对实验结果影响⽐较⼤的参数开始， 同时固定其他参数，得到⼀个差不多的结果以后，在这个结果的基础上，再调其他参数。 例如学习率⼀般就⽐正则值，dropout值重要的话，学习率设置的不合适， 不仅结果可能变差，模型甚⾄会⽆法收敛。
• 如果实在找不到⼀组参数让模型收敛。那么就需要检查， 是不是其他地⽅出了问题，例如模型实现，数据等等。

Speed up Experiment

• 对训练数据进⾏采样。例如原来100W条数据，先采样成1W，进⾏实验看看。
• 减少训练类别。例如⼿写数字识别任务，原来是10个类别， 那么我们可以先在2个类别上训练，看看结果如何。

HP Range

• 建议优先在对数尺度上进⾏超参数搜索。⽐较典型的是学习率和正则化项， 我们可以从诸如0.001 0.01 0.1 1 10，以10为阶数进⾏尝试。 因为他们对训练的影响是相乘的效果。
• 不过有些参数，还是建议在原始尺度上进⾏搜索，例如dropout值: 0.3 0.5 0.7)

Experiment Number

• learning rate: 1 0.1 0.01 0.001, ⼀般从1开始尝试。很少见learning rate⼤于10的。 学习率⼀般要随着训练进⾏衰减。 衰减系数⼀般是0.5。 衰减时机，可以是验证集准确率不再上升时，或固定训练多少个周期以后。 不过更建议使⽤⾃适应梯度的办法，例如adam,adadelta,rmsprop等，这些⼀般使⽤相关论⽂提供的默认值即可，可以避免再费劲调节学习率。 对RNN来说，有个经验，如果RNN要处理的序列⽐较长，或者RNN层数⽐较多，那么learning rate⼀般⼩⼀些⽐较好，否则有可能出现结果不收敛，甚⾄Nan等问题。
• ⽹络层数： 先从1层开始。
• 每层结点数： 16 32 128，超过1000的情况⽐较少见。超过1W的从来没有见过。
• batch size: 128上下开始。batch size值增加，的确能提⾼训练速度。但是有可能收敛结果变差。如果显存⼤⼩允许，可以考虑从⼀个⽐较⼤的值开始尝试。因为batch size太⼤，⼀般不会对结果有太 ⼤的影响，⽽batch size太⼩的话，结果有可能很差。
• clip c(梯度裁剪): 限制最⼤梯度,其实是value = sqrt(w1^2+w2^2….),如果value超过了阈值，就算⼀个衰减系系数,让value的值等于阈值: 5,10,15
• dropout： 0.5
• L2正则：1.0，超过10的很少见。
• 词向量embedding⼤⼩：128，256
• 正负样本⽐例： 这个是⾮常容易忽视，但是在很多分类问题上，又⾮常重要的参数。很多⼈往往习惯使⽤训练数据中默认的正负类别⽐例，当训练数据⾮常不平衡的时候，模型很有可能会偏向数⽬较 ⼤的类别，从⽽影响最终训练结果。除了尝试训练数据默认的正负类别⽐例之外，建议对数⽬较⼩的样本做过采样，例如进⾏复制。提⾼他们的⽐例，看看效果如何，这个对多分类问题同样适⽤。
• 在使⽤mini-batch⽅法进⾏训练的时候，尽量让⼀个batch内，各类别的⽐例平衡，这个在图像识别等多分类任务上⾮常重要。

Loss don’t Decrease

• train loss 不断下降，test loss不断下降，说明⽹络仍在学习;
• train loss 不断下降，test loss趋于不变，说明⽹络过拟合;
• train loss 趋于不变，test loss不断下降，说明数据集100%有问题;
• train loss 趋于不变，test loss趋于不变，说明学习遇到瓶颈，需要减⼩学习率或批量数⽬;
• train loss 不断上升，test loss不断上升，说明⽹络结构设计不当，训练超参数设置不当，数据集经过清洗等问题。