【pytorch】pytorch学习笔记（续3）
p41：1.Leak ReLU,SELU,softplus
2.GPU加速：.to方法
p42：不太懂
p43：1.visdom，tensorbroadX
p44：
p45：1.如何检测过拟合？在train上表现很好，而在test上表现不好。
test的目的（没有val set的时候）：防止过拟合，选取最优参数。相当于是验证集。
一般选取test accuracy最高的那点停止训练，作为最优参数。
p46：1.train--validation--test
2.k折交叉验证法
把train分成k份，把k-1份作为train，1份作为val。
3.一般会把数据集划分为train和test，用train=True/False来区分是训练集还是测试集。
把数据集划分为train和test：
再把train划分为train和val：
p47：1.减轻overfitting的方法：
- 更多的数据；
（2）降低模型的复杂的：数据不是很多的时候模型不要很深，使用正则化；
（3）加droptout；
（4）进行数据增强；
（5）早停。
（本节课将正则化）
2.正则化（也叫权重衰减）：对损失函数加正则项
正则项接近于0时，模型的复杂度会降低。 ？
因为对损失函数最小化的时候，不仅对原本的损失函数做了最小化，还对正则项做了最小化，从而使得模型的低微变量的参数相对较大，二高维变量的参数十分接近于0，这就会造成不仅使得模型的表现最优，还使得模型的复杂度得到了降低的效果，从而实现在不影响模型表现的情况下降低模型复杂度的目的。
3.常用的正则化分两种：
（1）在原损失函数上加一个1范数；
说明：pytorch没有提供直接的方法，所以需要人为的实现F1范数。
（2）在原损失函数上加一个2范数。（最常用）
pytorch实现：
说明：1）SGD得到了网络的所有参数，设置一个weight_decay=0.01，即正则项中的
参数。
2）如果模型没有overfitting，那么使用正则项会使得模型的表达能力急剧下降；但如果模型overfitting了，那么如果正则项参数设置合理的话，会在不影响模型表现的情况下降低模型的复杂度，减轻模型的overfitting，模型在测试集上的表现也会有所提升。
p48：1.动量（momentum惯性）
pytorch实现：
2.学习率衰减（learning rate decay）：随着学习时间的推移，学习率逐渐变小，如：由0.1逐渐减小为0.001。
两种常见的学习率衰减的方案：
（1）当一定次数的loss不减小，就认为该学习率下已达到了最优，需要减小学习率了。
pytorch实现：
说明：optimizer的作用是把学习率丢给Plateau管理，’min’的作用是监听，监听一定次数的调用（epoch）loss是否达到饱和（即不再减小），若达到饱和则需要根据你的规则（乘0.5或者0.8...）来衰减学习率；若没有的话则什么都不做，只是记录一下。
（2）规定每多少个（比如20k个）调用（epoch）衰减为原来的0.1或者...。
pytorch实现：
p49：1.早停
如何实现早停：
（1）用val set来选择参数；
（2）用val set来监测模型的表现；
（3）在val set表现的最高点（根据经验所得）提前停止训练模型。
2.dropout：迫使有效的w参数的数目越小越好
（1）如何实现：对每一个w（或者每一条边）定义一个额外的属性：probaiblity，即在前向传播中，每一条边都有一定的概率会输出为0，即把原本应输出为wx的输出为0，即把这条连接（即边）给断掉。这样会减少每次前向传播时的网络连接数量，训练时的参数数量会减少。
（2）pytorch实现：
可以在任何有需要连接的层之间加一个dropout层。不加dropout层的话，原来有连接的两层之间是一个直连，即前一层的输出就是后一层的输入。但加上dropout层之后，就会将两层之间的连接断掉一部分，即前一层的输出不能全部作为后一层的输入。
注意：（1）
torch中的p=dropout_prob，即连接断掉的概率，当p=1时连接都有可能被断掉，当p=0.01时连接被断掉的概率很小。
而nn里的是keep_prob，即连接保留的概率，当p=1时连接被断掉的概率很小，当p=0.01时连接被断掉的概率很大。
（2）dropout的行为在train和test的时候是不同的：在train的时候dropout会断掉部分连接，而在test的时候不会断掉连接。因此在validation的时候要手动的切换到test模式。
3.随机梯度下降（Stochastic Gradient Descent）
（1）Stochastic并不是random的意思，而是说具有一定的随机性。与Stochastic相反的是Deterministic：一一对应，而Stochastic是指给了一个x，f(x)是服从一个分布的，如0均值正态分布。
（2）这里Stochastic的意思是：从整个的数据集中随机的取出一个小部分样本来，如：从60k的数据集中取出一个128的batch来。
（3）随机梯度下降（Stochastic Gradient Descent）：就是把原来在整个数据集上的梯度求和的平均变成了在一个batch上的所有梯度求和平均。
（4）为什么要使用随机梯度下降？因为目前的硬件设备容量不够，不可能一次性把所有的数据加载进来来计算，这样的话设备成本太高。
p50：1.（1）计算网络层数的时候，不把输入层计算在内。
（2）一层一般包括这一层的权值（和上一层的连接的权值）和输出。
2.卷积：模仿人眼的局部相关性，即一次观察一小块，（感受眼）
权值共享：用小窗口扫过整张图片，扫的过程中权值W是不变的。
只考虑局部相关的数据，不必全连接，大大减少了参数量。
卷积操作：小窗口与整张图片上对应大小的部分相乘再累加。
p53：1.kernal/weight/filter:[有几种kernal，输入里的通道数，kernal的长，kernal的宽]。
每一个kernal都会带一个偏值，偏值与kernal的第一个维度（即有几种kernal）是对应起来的。
p54：1.pytorch实现：
stride有降维的效果。
推荐使用实例调用方法，不推荐直接使用.forward()函数。
另一种实现方法：
pytorch中小写的是函数，大写的是类。——pytorch中的一个命名规范。
stride=2：size/2
padding=2：size+2
（未完，待续~）