深度学习优化策略—权重、权重初始化与权重衰减「建议收藏」

2022-11-10 17:57:27 浏览数 (1)

大家好,又见面了,我是你们的朋友全栈君。

权重的维度保持为 2 的幂

即便是运行最先进的深度学习模型,使用最新、最强大的计算硬件,内存管理仍然在字节(byte)级别上进行。所以,把参数保持在 64, 128, 512, 1024 等 2 的次方永远是件好事。这也许能帮助分割矩阵和权重,导致学习效率的提升。当用 GPU 运算,这变得更明显。

权重初始化 (Weight Initialization)

永远用小的随机数字初始化权重,以打破不同单元间的对称性(symmetry)。但权重应该是多小呢?推荐的上限是多少?用什么概率分布产生随机数字?

当使用 Sigmoid 激励函数时,如果权重初始化为很大的数字,那么 sigmoid 会饱和(尾部区域),导致死神经元(dead neurons)。如果权重特别小,梯度也会很小。因此,最好是在中间区域选择权重,比如说那些围绕平均值均衡分布的数值。 参数初始化应该使得各层激活值不会出现饱和现象且激活值不为0。我们把这两个条件总结为参数初始化条件:

初始化必要条件一:各层激活值不会出现饱和现象。 初始化必要条件二:各层激活值不为0。

tensorflow几种普通的参数初始化方法
代码语言:javascript复制
1.  tf.constant_initializer() 常数初始化
2.  tf.ones_initializer() 全1初始化
3. tf.zeros_initializer() 全0初始化
4. tf.random_uniform_initializer() 均匀分布初始化
5. tf.random_normal_initializer() 正态分布初始化
6. tf.truncated_normal_initializer() 截断正态分布初始化
7. tf.uniform_unit_scaling_initializer() 这种方法输入方差是常数
8. tf.variance_scaling_initializer() 自适应初始化
9. tf.orthogonal_initializer() 生成正交矩阵
Xavier初始化和 MSRA初始化(He初始化)

1、Xavier初始化: 优点:这个初始化器是用来保持每一层的梯度大小都差不多相同。通过使用这种初始化方法,可以避免梯度在最后一层网络中爆炸或者弥散

条件:正向传播时,激活值的方差保持不变;反向传播时,关于状态值的梯度的方差保持不变。 初始化方法: W ∼ U [ − 6 n i n i 1 , 6 n i n i 1 ] W sim Uleft[-frac{sqrt{6}}{sqrt{n_{i} n_{i 1}}}, frac{sqrt{6}}{sqrt{n_{i} n_{i 1}}}right] W∼U[−ni​ ni 1​ ​6 ​​,ni​ ni 1​ ​6 ​​] 假设激活函数关于0对称,且主要针对于全连接神经网络。适用于tanh和softsign 论文地址:Understanding the difficulty of training deep feedforward neural networks

2、He初始化: 条件:正向传播时,状态值的方差保持不变;反向传播时,关于激活值的梯度的方差保持不变。 适用于ReLU的初始化方法: W ∼ N [ 0 , 2 n i i ^ ] W sim Nleft[0, sqrt{frac{2}{n_{i} hat{i}}}right] W∼N[0,ni​i^2​ ​] 适用于Leaky ReLU的初始化方法: W ∼ N [ 0 , 2 ( 1 α 2 ) n ^ i ] W sim Nleft[0, sqrt{frac{2}{left(1 alpha^{2}right) hat{n}_{i}} ]}right. W∼N[0,(1 α2)n^i​2​] ​ n ^ i = h i ∗ w i ∗ d i hat{n}_{i}=h_{i} * w_{i} * d_{i} n^i​=hi​∗wi​∗di​

h i , w i h_{i}, w_{i} hi​,wi​分别表示卷积层中卷积核的高和宽,而di为当前层卷积核的个数。

论文地址:Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification

权重衰减(weight decay)

参考:权重衰减(weight decay)与学习率衰减(learning rate decay)

L2正则化的目的就是为了让权重衰减到更小的值,在一定程度上减少模型过拟合的问题,所以权重衰减也叫L2正则化。

L2正则化与权重衰减系数

L2正则化就是在代价函数后面再加上一个正则化项:

其中C0代表原始的代价函数,后面那一项就是L2正则化项,它是这样来的:所有参数w的平方的和,除以训练集的样本大小n。λ就是正则项系数,权衡正则项与C0项的比重。另外还有一个系数1/2,1/2 1/211经常会看到,主要是为了后面求导的结果方便,后面那一项求导会产生一个2,与1/2相乘刚好凑整为1。系数λ就是权重衰减系数

为什么可以给权重带来衰减

权重衰减(L2正则化)的作用

作用:权重衰减(L2正则化)可以避免模型过拟合问题。 思考:L2正则化项有让w变小的效果,但是为什么w变小可以防止过拟合呢? 原理:(1)从模型的复杂度上解释:更小的权值w,从某种意义上说,表示网络的复杂度更低,对数据的拟合更好(这个法则也叫做奥卡姆剃刀),而在实际应用中,也验证了这一点,L2正则化的效果往往好于未经正则化的效果。(2)从数学方面的解释:过拟合的时候,拟合函数的系数往往非常大,为什么?如下图所示,过拟合,就是拟合函数需要顾忌每一个点,最终形成的拟合函数波动很大。在某些很小的区间里,函数值的变化很剧烈。这就意味着函数在某些小区间里的导数值(绝对值)非常大,由于自变量值可大可小,所以只有系数足够大,才能保证导数值很大。而正则化是通过约束参数的范数使其不要太大,所以可以在一定程度上减少过拟合情况。

No bias decay:

一般来说,权重衰减会用到网络中所有需要学习的参数上面。然而仅仅将权重衰减用到卷积层和全连接层,不对biases,BN层的 gamma, beta 做权重衰减,效果会更好。 Bag of Tricks for Image Classification with Convolutional Neural Networks

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/185613.html原文链接:https://javaforall.cn

0 人点赞