AI網(wǎng)紅Andrej Karpathy最新力作，傾囊相授神經(jīng)網(wǎng)絡(luò)的33條訓(xùn)練技巧，干貨必看。

Andrej Kapathy 是計(jì)算機(jī)視覺和深度學(xué)習(xí)領(lǐng)域的專家之一，畢業(yè)于斯坦福人工智能實(shí)驗(yàn)室，博士師從李飛飛教授，在谷歌大腦、DeepMind 實(shí)過習(xí)，與吳恩達(dá)一起共事，業(yè)界幾大深度學(xué)習(xí)實(shí)驗(yàn)室都待過。

2017年6月，Karpathy加入特斯拉，擔(dān)任AI和Autopilot Vision 部門主管，直接向 Elon Musk 匯報(bào)。

更重要的是，Karpathy樂于而且善于分享自己的經(jīng)驗(yàn)和見解，在推特和博客上非?；钴S，有 AI “網(wǎng)紅” 之稱。

Karpathy的推特簡介上有一句“I like to train Deep Neural Nets on large datasets.”近日，Karpathy將他訓(xùn)練神經(jīng)網(wǎng)絡(luò)的經(jīng)驗(yàn)傾囊相授，獲得大量好評。

以下是新智元對這篇“神經(jīng)網(wǎng)絡(luò)煉丹術(shù)”的譯介：

30行代碼訓(xùn)練神經(jīng)網(wǎng)絡(luò)？Too young

幾周前，我在推特上發(fā)了一條“最常見的神經(jīng)網(wǎng)絡(luò)錯(cuò)誤”的推文，列舉了一些與訓(xùn)練神經(jīng)網(wǎng)絡(luò)相關(guān)的常見錯(cuò)誤。這條推文獲得了比我預(yù)期的更多的參與(甚至還有一個(gè)在線研討會(huì):)。顯然，很多人都曾親身經(jīng)歷過“這就是卷積層的工作原理”和“我們的卷積網(wǎng)絡(luò)實(shí)現(xiàn)了最先進(jìn)的結(jié)果”之間的巨大差距。

所以我想，打開我差不多塵封的博客，就這個(gè)話題寫一篇長文，應(yīng)該會(huì)更好。不過，我不打算詳細(xì)列舉更多常見的錯(cuò)誤，我想更深入地探討一下如何能夠完全避免這些錯(cuò)誤(或快速修復(fù)它們)。這樣做的訣竅是遵循一個(gè)特定的過程，據(jù)我所知，這個(gè)過程很少有文字記錄。

那么，讓我們從兩個(gè)重要的觀察開始。

1) 神經(jīng)網(wǎng)絡(luò)訓(xùn)練是一種“抽象泄漏”(leaky abstraction)

據(jù)說開始訓(xùn)練神經(jīng)網(wǎng)絡(luò)很容易。許多庫和框架都以可以用30行的奇跡代碼片段解決你的數(shù)據(jù)問題而自豪，給人一種即插即用的(錯(cuò)誤)印象。常見的做法是：

>>> your_data = # plug your awesome dataset here>>> model = SuperCrossValidator(SuperDuper.fit, your_data, ResNet50, SGDOptimizer)# conquer world here

這些庫和示例激活了我們大腦中熟悉的標(biāo)準(zhǔn)軟件的部分——通?？梢垣@得干凈的API和抽象。請求庫演示如下：

>>> r = requests.get('https://api.github.com/user', auth=('user', 'pass'))>>> r.status_code200

這很酷！開發(fā)者勇敢地承擔(dān)了理解查詢字符串、url、GET/POST請求、HTTP連接等重?fù)?dān)，并在很大程度上隱藏了幾行代碼背后的復(fù)雜性。這是我們所熟悉和期望的。

不幸的是，神經(jīng)網(wǎng)絡(luò)不是這樣的。如果你稍微偏離了訓(xùn)練ImageNet分類器，那么它們就不是“現(xiàn)成的”技術(shù)。

在我以前介紹反向傳播的博文中，我試圖通過使用反向傳播并將其稱為“抽象泄漏”來說明這一點(diǎn)，但不幸的是，情況要糟糕得多。Backprop + SGD并不會(huì)神奇地讓你的網(wǎng)絡(luò)工作。Batch norm并不能神奇地使其更快地收斂。RNN不會(huì)神奇地讓你“插入”文本。你可以用RL表示你的問題，但僅僅是這樣并不意味著你應(yīng)該這樣做。如果你堅(jiān)持使用這種技術(shù)而不了解它的工作原理，那么你很可能會(huì)失敗。這使我想到……

2) 神經(jīng)網(wǎng)絡(luò)訓(xùn)練常常無聲無息地失敗

當(dāng)你破壞或錯(cuò)誤配置代碼時(shí)，通常會(huì)遇到某種異常。比如你插入了一個(gè)包含預(yù)期字符串的整數(shù)。這個(gè)函數(shù)只需要3個(gè)參數(shù)。但導(dǎo)入失敗了。這個(gè)鍵根本不存在。這兩個(gè)列表中的元素?cái)?shù)量不相等。此外，通常可以為某個(gè)特定功能創(chuàng)建單元測試。

這只是訓(xùn)練神經(jīng)網(wǎng)絡(luò)的開端。從語法上來說，一切都是正確的，但整件事的安排并不妥善，這真的很難判斷?！翱赡艿腻e(cuò)誤范圍”很大，符合邏輯(與語法相反)，并且很難進(jìn)行單元測試。例如，在數(shù)據(jù)增強(qiáng)過程中，當(dāng)你從左到右翻轉(zhuǎn)圖像時(shí)，可能忘記了翻轉(zhuǎn)標(biāo)簽。你的網(wǎng)絡(luò)仍然可以(令人震驚地)很好地工作，因?yàn)槟愕木W(wǎng)絡(luò)可以在內(nèi)部學(xué)習(xí)檢測翻轉(zhuǎn)的圖像，然后左右翻轉(zhuǎn)它的預(yù)測。或者你的自回歸模型會(huì)因?yàn)橐粋€(gè)off-by-one的bug而不小心將它試圖預(yù)測的東西作為輸入。或者你試著修剪梯度，但結(jié)果卻減少了損失，導(dǎo)致在訓(xùn)練期間忽略了異常值的例子。或者你從一個(gè)預(yù)訓(xùn)練的檢查點(diǎn)初始化你的權(quán)重，但沒有使用原始平均值?；蛘吣阒皇歉阍伊苏齽t化強(qiáng)度、學(xué)習(xí)率、衰減率、模型大小等的設(shè)置。因此，只有在運(yùn)氣好的情況下，錯(cuò)誤配置的神經(jīng)網(wǎng)絡(luò)才會(huì)拋出異常；大多數(shù)情況下，它會(huì)繼續(xù)訓(xùn)練，但默默地使運(yùn)行變糟。

因此，用“快速而激烈”的方法來訓(xùn)練神經(jīng)網(wǎng)絡(luò)是行不通的，只會(huì)導(dǎo)致痛苦。痛苦雖然是讓神經(jīng)網(wǎng)絡(luò)正常工作的一個(gè)非常自然的部分，但它是可以通過徹底的、防御性的、偏執(zhí)的，以及對幾乎所有可能的事情進(jìn)行可視化來減輕的。根據(jù)我的經(jīng)驗(yàn)，與深度學(xué)習(xí)成功最相關(guān)的品質(zhì)是耐心和關(guān)注細(xì)節(jié)。

如何訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)

基于以上兩個(gè)事實(shí)，我為自己開發(fā)了一個(gè)特定的過程，當(dāng)我將神經(jīng)網(wǎng)絡(luò)應(yīng)用到一個(gè)新的問題時(shí)，我都遵循這個(gè)過程。本文中我將嘗試描述這個(gè)過程。

你會(huì)看到，它是非常重視上述兩個(gè)原則的。特別是，它是從簡單到復(fù)雜構(gòu)建的，每一步我們都對將要發(fā)生的事情做出具體的假設(shè)，然后通過實(shí)驗(yàn)驗(yàn)證它們，或者進(jìn)行調(diào)查，直到發(fā)現(xiàn)問題。我們極力避免的是同時(shí)引入大量“未經(jīng)驗(yàn)證”的復(fù)雜性，這必然會(huì)引入錯(cuò)誤/錯(cuò)誤配置，而這些錯(cuò)誤/錯(cuò)誤配置將永遠(yuǎn)無法找到。如果像訓(xùn)練一樣編寫神經(jīng)網(wǎng)絡(luò)代碼，你會(huì)想要使用非常小的學(xué)習(xí)率并猜測，然后在每次迭代之后評估完整的測試集。

1. 梳理數(shù)據(jù)

訓(xùn)練神經(jīng)網(wǎng)絡(luò)的第一步是完全不接觸任何神經(jīng)網(wǎng)絡(luò)代碼，而是從徹底檢查數(shù)據(jù)開始。這一步至關(guān)重要。我喜歡花大量時(shí)間(以小時(shí)為單位)瀏覽數(shù)千個(gè)示例，了解它們的分布并尋找模式。幸運(yùn)的是，我們的大腦非常擅長做這個(gè)。有一次，我發(fā)現(xiàn)數(shù)據(jù)中包含重復(fù)的例子。另一次我發(fā)現(xiàn)了損壞的圖像/標(biāo)簽。我會(huì)尋找數(shù)據(jù)中的不平衡和偏差。我通常也會(huì)關(guān)注我自己對數(shù)據(jù)進(jìn)行分類的過程，這個(gè)過程暗示了我們最終要探索的各種架構(gòu)類型。

舉個(gè)例子，只有局部的特性是否足夠，還是需要全局上下文？有多少變量，它們以什么形式出現(xiàn)？哪些變量是假的，可以預(yù)先處理的？空間位置是否重要，或者我們是否想要將其平均池化？細(xì)節(jié)有多重要，我們能在多大程度上對圖像進(jìn)行降采樣？標(biāo)簽有多少噪音？

此外，由于神經(jīng)網(wǎng)絡(luò)實(shí)際上是數(shù)據(jù)集的壓縮/編譯版本，因此你能夠查看你的網(wǎng)絡(luò)預(yù)測并了解它們可能來自何處。如果你的網(wǎng)絡(luò)給你的預(yù)測與你在數(shù)據(jù)中看到的不一致，那就是有什么地方錯(cuò)了。

一旦獲得了一種定性的感覺，那么寫一些簡單的代碼來搜索/過濾/排序也是一個(gè)好主意，不管你能想到什么(例如標(biāo)簽的類型，注釋的大小，注釋的數(shù)量，等等)，并將它們的分布和沿著任何軸的異常值可視化。異常值幾乎總是能揭示數(shù)據(jù)質(zhì)量或預(yù)處理中的一些bug。

2. 建立端到端的訓(xùn)練/評估框架+獲取簡單的基線

現(xiàn)在我們了解了我們的數(shù)據(jù)，那么就可以實(shí)現(xiàn)炫酷的多尺度ASPP FPN ResNet，并開始訓(xùn)練超棒的模型了嗎？肯定不是。這是一條痛苦的道路。下一步是建立一個(gè)完整的訓(xùn)練+評估框架，通過一系列的實(shí)驗(yàn)獲得對其正確性的信任。在這個(gè)階段，最好選擇一些你不可能搞砸的簡單模型——例如一個(gè)線性分類器，或者一個(gè)非常小的卷積網(wǎng)絡(luò)。我們希望訓(xùn)練這個(gè)網(wǎng)絡(luò)，可視化損失，任何其他指標(biāo)(例如準(zhǔn)確性)，模型預(yù)測，并在此過程中執(zhí)行一系列帶有明確假設(shè)的消融實(shí)驗(yàn)。

這個(gè)階段的提示和技巧：

修復(fù)隨機(jī)種子(random seed)?？偸鞘褂霉潭ǖ碾S機(jī)seed來保證當(dāng)你運(yùn)行代碼兩次時(shí)，將得到相同的結(jié)果。這消除了變異因素，將有助于保持你的理智。

簡化。確保不要有任何不必要的幻想。例如，在這個(gè)階段一定要關(guān)閉所有數(shù)據(jù)增強(qiáng)。數(shù)據(jù)增強(qiáng)是一種正則化策略，我們稍后可能會(huì)將其合并進(jìn)來，但目前它只是會(huì)引入一些愚蠢的bug。

在評估中添加有效數(shù)字。當(dāng)繪制測試損失時(shí)，在整個(gè)(大型)測試集上運(yùn)行評估。不要只在batches上繪制測試損失，然后依賴于在Tensorboard中平滑它們。我們要追求正確，很愿意放棄時(shí)間。

在初始化時(shí)驗(yàn)證損失。驗(yàn)證你的損失是否以正確的損失值開始。例如，如果你正確地初始化了最后一層，你應(yīng)該在初始化時(shí)測量softmax的-log(1/n_classes)。同樣的缺省值可以用于L2回歸、Huber損失等。

正確地初始化。正確初地始化最后一層權(quán)重。例如，如果你要回歸一些平均值為50的值，那么要將最終偏差初始化為50。如果你有一個(gè)不平衡的數(shù)據(jù)集，其正負(fù)比為1:10，那么在你的日志上設(shè)置偏差，使你的網(wǎng)絡(luò)預(yù)測概率在初始化時(shí)為0.1。正確設(shè)置這些參數(shù)將加快收斂速度，并消除“hockey stick”損失曲線，在最初幾次迭代中，你的網(wǎng)絡(luò)基本上只是學(xué)習(xí)偏差。

human baseline。監(jiān)控人類可解釋和可檢查的損失以外的指標(biāo)(例如準(zhǔn)確性)。盡可能地評估你自己(人類)的準(zhǔn)確性，并與之進(jìn)行比較?；蛘?，對測試數(shù)據(jù)進(jìn)行兩次注釋，對于每個(gè)示例，將一個(gè)注釋作為預(yù)測，將第二個(gè)注釋作為ground truth。

input-indepent baseline。訓(xùn)練一個(gè)獨(dú)立于輸入的基線(例如，最簡單的方法就是將所有輸入設(shè)置為零)。這應(yīng)該比實(shí)際插入數(shù)據(jù)而不將其歸零的情況更糟。也就是說，可以知道你的模型是否學(xué)會(huì)從輸入中提取任何信息?

在單個(gè)批數(shù)據(jù)上過擬合。只過擬合包含少量例子(例如只有兩個(gè))的一個(gè)batch。為此，我們需要增加模型的容量(例如添加層或過濾器)，并驗(yàn)證我們可以達(dá)到的最低損失值(例如0)。我也喜歡在同一個(gè)圖中可視化標(biāo)簽和預(yù)測，并確保一旦達(dá)到最小損失，它們最終會(huì)完美地對齊。如果沒有完美對齊，那么在某個(gè)地方就有一個(gè)bug，我們無法繼續(xù)到下一個(gè)階段。

驗(yàn)證訓(xùn)練損失的下降。在這個(gè)階段，你可能希望在數(shù)據(jù)集上實(shí)現(xiàn)欠擬合，因?yàn)樵撾A段的模型是一個(gè)玩具模型。試著增加一點(diǎn)它的容量，在看看訓(xùn)練損失是否下降了。

在輸入網(wǎng)絡(luò)前進(jìn)行可視化。在運(yùn)行y_hat = model(x)(或tf中運(yùn)行sess.run)之前，是可視化數(shù)據(jù)的正確時(shí)間。也就是說，我們需要準(zhǔn)確地可視化輸入給你的網(wǎng)絡(luò)的東西，把原始的數(shù)據(jù)張量和標(biāo)簽解碼并可視化。這是唯一的“真理之源”。這個(gè)過程為我節(jié)省了大量時(shí)間，并揭示了數(shù)據(jù)預(yù)處理和增強(qiáng)方面的問題。

可視化預(yù)測動(dòng)態(tài)。在訓(xùn)練過程中，我喜歡將固定測試batch的模型預(yù)測可視化。這些預(yù)測如何移動(dòng)的“動(dòng)態(tài)”將為你提供關(guān)于訓(xùn)練進(jìn)展的良好直覺。很多時(shí)候，如果網(wǎng)絡(luò)以某種方式太過波動(dòng)，顯示出不穩(wěn)定性，你可能會(huì)覺得網(wǎng)絡(luò)“難以”擬合你的數(shù)據(jù)。非常低或非常高的學(xué)習(xí)率在波動(dòng)的數(shù)量中也很容易被注意到。

使用反向傳播來繪制依賴關(guān)系圖。深度學(xué)習(xí)代碼通常包含復(fù)雜、向量化和broadcast操作。我遇到過的一個(gè)比較常見的bug是，人們使用view而不是在某個(gè)地方進(jìn)行transpose/permute，無意中混淆了批處理的維度信息。然而，你的網(wǎng)絡(luò)通常仍然訓(xùn)練良好，因?yàn)樗鼘W(xué)會(huì)忽略來自其他示例的數(shù)據(jù)。一種debug的方法是將某個(gè)示例i的損失設(shè)置為1.0，然后運(yùn)行反向傳播一直到輸入，并確保只在i-thexample上得到一個(gè)非零梯度。也就是說，梯度提供了網(wǎng)絡(luò)中的依賴關(guān)系信息，這對于debug非常有用。

一般化特殊案例。這是一種更為通用的編碼技巧，但是我經(jīng)?？吹饺藗冊谑褂眠@個(gè)技巧時(shí)產(chǎn)生bug，尤其是從頭編寫一個(gè)相對通用的函數(shù)時(shí)。我喜歡為我正在做的事情寫非常具體的函數(shù)，讓這個(gè)函數(shù)能work，然后再一般化，確保得到相同的結(jié)果。這通常適用于向量化代碼，我會(huì)先寫出完整的循環(huán)版本，然后再將它轉(zhuǎn)換為向量化代碼。

3.過擬合

在這個(gè)階段，我們應(yīng)該對數(shù)據(jù)集有一個(gè)很好的理解，我們有完整的訓(xùn)練和評估pipeline。對于任何給定的模型，我們可以（可重復(fù)地）計(jì)算出一個(gè)可信的量度。我們還可以利用獨(dú)立于輸入的baseline的性能（并擊敗了這些基線性能），我們大致了解人類的表現(xiàn)。這一階段的任務(wù)是對一個(gè)性能不錯(cuò)的模型進(jìn)行迭代。

找到一個(gè)好模型可以分為兩個(gè)極端：首先得到一個(gè)足夠大的模型，它可以是過擬合的，然后在適當(dāng)調(diào)整（放棄一些訓(xùn)練損失，以改善驗(yàn)證損失）。我認(rèn)為采取這兩個(gè)階段的好處是，如果我們根本無法使用任何模型達(dá)到足夠低的錯(cuò)誤率，這種方式可能再次暴露一些問題、bug或錯(cuò)誤配置。

關(guān)于這個(gè)階段的一些提示和技巧：

挑選模型。為了獲得良好的訓(xùn)練損失，需要為數(shù)據(jù)選擇合適的架構(gòu)。我的建議是：不要逞英雄。我見過很多人瘋狂的人，將神經(jīng)網(wǎng)絡(luò)工具箱的各種工具像堆樂高積木一樣堆疊在各種奇異的架構(gòu)中。應(yīng)該在項(xiàng)目早期階段盡力避免這樣做。

我總是建議先找到最相關(guān)的一些論文，先把其中最簡單的架構(gòu)原樣照搬過來，以獲得良好的性能。比如你做得是圖像分類，不要想著當(dāng)英雄，先把ResNet-50拿過來用。后面可以做一些更自定義設(shè)置和改進(jìn)，并實(shí)現(xiàn)比它更好的性能。

選Adam總沒錯(cuò)。在設(shè)定baseline方法的早期階段，我喜歡使用學(xué)習(xí)率為3e-4的Adam架構(gòu)。根據(jù)我的經(jīng)驗(yàn)，Adam對超參數(shù)更加寬容，包括不良的學(xué)習(xí)率。對于ConvNets來說，一個(gè)經(jīng)過適當(dāng)調(diào)整的SGD幾乎總會(huì)略優(yōu)于Adam，但前者最佳學(xué)習(xí)率區(qū)域要窄得多，而且受到具體問題所限。（如果使用的是RNN和相關(guān)的序列模型，那么在項(xiàng)目早期階段更常用Adam。再說一遍，不要逞英雄，多參考相關(guān)論文。）

一次只針對一個(gè)對象進(jìn)行復(fù)雜化。如果有多個(gè)信號進(jìn)入分類器，建議逐個(gè)引入，確保每次信號的引入都獲得預(yù)期的性能提升。一開始不要一股腦地把全部信號都喂給模型。增加復(fù)雜度還有別的方法，比如可以嘗試先插入較小的圖像，然后再放大，諸如此類。

不要過于相信默認(rèn)的學(xué)習(xí)率衰減。如果是重用來自其他領(lǐng)域的代碼，那么在處理學(xué)習(xí)速度衰減時(shí)一定要非常小心。您不僅希望針對不同的問題使用不同的衰減計(jì)劃，而且 - 更糟糕的是 - 在典型的實(shí)施中，計(jì)劃將基于當(dāng)前的epoch數(shù)，該值會(huì)根據(jù)數(shù)據(jù)集的大小而廣泛變化。

比如，ImageNet將在30個(gè)epoch上衰減10倍。如果你沒有訓(xùn)練ImageNet那么這肯定不是想要的結(jié)果。如果你不小心，代碼可能會(huì)過早地將學(xué)習(xí)率趨零，導(dǎo)致模型無法收斂。在我自己的研究中總是完全禁用學(xué)習(xí)率衰減（學(xué)習(xí)速率為常數(shù)）并在最后進(jìn)行調(diào)整。

4.正則化

理想情況下，我們要處理的是大型模型，至少能夠擬合訓(xùn)練集?，F(xiàn)在是時(shí)候通過放棄一些訓(xùn)練準(zhǔn)確性，進(jìn)行一些正則化處理，以獲得一些驗(yàn)證準(zhǔn)確性。以下是這方面一些提示和技巧：

獲取更多的數(shù)據(jù)。首先，在任何實(shí)際環(huán)境中，最佳和首選方法是添加更多真實(shí)的訓(xùn)練數(shù)據(jù)。當(dāng)可以收集更多數(shù)據(jù)時(shí)，就不要再花費(fèi)大量時(shí)間嘗試從小型數(shù)據(jù)集中擠性能了。據(jù)我所知，添加更多數(shù)據(jù)幾乎是唯一無限期改善配置良好的神經(jīng)網(wǎng)絡(luò)性能的方式。還有一種方式是合奏（如果你能負(fù)擔(dān)得起的話），但是在5個(gè)模型之后最高。

數(shù)據(jù)增強(qiáng)。僅次于真實(shí)數(shù)據(jù)的半真實(shí)的數(shù)據(jù)，需要嘗試更積極的數(shù)據(jù)增強(qiáng)。

創(chuàng)造性數(shù)據(jù)增強(qiáng)。如果半假數(shù)據(jù)不能做到這一點(diǎn)，假數(shù)據(jù)也許可以。人們正在尋找擴(kuò)展數(shù)據(jù)集的創(chuàng)新方法;例如，域隨機(jī)化，模擬的使用，巧妙的混合，比如將（可能模擬的）數(shù)據(jù)引入場景，甚至是GAN中。

預(yù)訓(xùn)練。即使有足夠的數(shù)據(jù)，如果可以，也很少使用預(yù)訓(xùn)練網(wǎng)絡(luò)。

堅(jiān)持監(jiān)督式學(xué)習(xí)。不要對無監(jiān)督的預(yù)訓(xùn)練抱有過分的信心。據(jù)我所知，沒有任何一種無監(jiān)督學(xué)習(xí)在現(xiàn)代計(jì)算機(jī)視覺任務(wù)上有很強(qiáng)的表現(xiàn)（雖然現(xiàn)在NLP領(lǐng)域誕生了BERT等優(yōu)秀模型，但這很可能是因?yàn)槲谋緮?shù)據(jù)更成熟的形式，以及更高的信噪比）。

更小的輸入維度。去除可能包含虛假信號的特征。如果數(shù)據(jù)集很小，任何添加的虛假輸入都可能造成過擬合。同樣，如果低級細(xì)節(jié)無關(guān)緊要，請嘗試輸入更小的圖像。

較小的模型。很多時(shí)候可以在網(wǎng)絡(luò)上使用域知識(shí)約束來減小模型大小。例如，過去在ImageNet骨干網(wǎng)頂部使用全連接層很流行，但現(xiàn)在已改用簡單的平均池化，從而去掉了過程中的大量參數(shù)。

減小批大小。由于歸一化是基于批大小的，更小的batch size會(huì)具有更明顯的正則化效果。這是因?yàn)榕拷?jīng)驗(yàn)均值/標(biāo)準(zhǔn)是完整均值/標(biāo)準(zhǔn)的更近似版本，因此標(biāo)度和偏移量“擺動(dòng)”您的批次更多。

Drop。添加dropout。對ConvNets使用dropout2d（空間丟失）。建議謹(jǐn)慎使用dropout，因?yàn)樗坪醪惶贿m合批歸一化。

權(quán)重衰減。增加權(quán)重衰減懲罰。

“早?！保禾嵩缤Ｖ褂?xùn)練。根據(jù)驗(yàn)證損失停止訓(xùn)練，在出現(xiàn)過擬合之前獲得模型。

嘗試更大的模型。我最后提到這一點(diǎn)，并且只是在提前停止之后，但我在過去曾經(jīng)發(fā)現(xiàn)過幾次大模型最終過擬合，但是它們的“早?！毙阅芡刃∧Ｐ偷男阅芤玫枚?。

最后，為了進(jìn)一步確保網(wǎng)絡(luò)是一個(gè)合理的分類器，我喜歡對網(wǎng)絡(luò)第一層權(quán)重進(jìn)行可視化，并確保獲得有意義的邊緣。如果第一層濾波器看起來像噪音，那么可能需要去掉一些東西。類似地，網(wǎng)絡(luò)中的激活函數(shù)有時(shí)也會(huì)有異常出現(xiàn)，暴露出一些問題。

5.精細(xì)調(diào)整

現(xiàn)在應(yīng)該使用數(shù)據(jù)集探索寬泛的模型空間，以獲得低驗(yàn)證損失的體系結(jié)構(gòu)。下面是一些提示和技巧：

隨機(jī)網(wǎng)格搜索。為了同時(shí)調(diào)整多個(gè)超參數(shù)，使用網(wǎng)格搜索確保覆蓋所有設(shè)置，這聽起來很誘人，但請記住，最好使用隨機(jī)搜索。直觀地說，這是因?yàn)樯窠?jīng)網(wǎng)絡(luò)通常對某些參數(shù)比其他參數(shù)更敏感。在極限情況下，如果一個(gè)參數(shù)很重要，但是改變另一個(gè)參數(shù)沒有效果，那還不如對第一個(gè)參數(shù)進(jìn)行徹底采樣。

超參數(shù)優(yōu)化。目前有很多花哨的貝葉斯超參數(shù)優(yōu)化工具箱，也有一些成功應(yīng)用的實(shí)例，但我個(gè)人的經(jīng)驗(yàn)是，探索優(yōu)質(zhì)大寬度模型和超參數(shù)空間的最好方式是找個(gè)實(shí)習(xí)生。哈哈，開句玩笑。

6.性能壓榨

在確定了最佳類型的體系結(jié)構(gòu)和超參數(shù)后，仍然可以利用一些技巧最后“壓榨”一下系統(tǒng)的性能：

集成。模型是一種非常有保證的方法，可以在任何事情上獲得2％的準(zhǔn)確率。如果您在測試時(shí)無法負(fù)擔(dān)計(jì)算，請考慮使用黑暗知識(shí)將您的整體提升到網(wǎng)絡(luò)中。

保持訓(xùn)練。我經(jīng)?？吹饺藗冊隍?yàn)證損失趨于平穩(wěn)時(shí)就想停止模型訓(xùn)練。根據(jù)我的經(jīng)驗(yàn)，網(wǎng)絡(luò)會(huì)長時(shí)間不間斷地進(jìn)行訓(xùn)練。有一次我在冬假期間不小心沒有停止訓(xùn)練，當(dāng)我第二1月份回來時(shí)，發(fā)現(xiàn)模型性能達(dá)到了SOTA水平。

寫在最后

走到這一步，相信你已經(jīng)獲得了成功的所有要素：對技術(shù)，數(shù)據(jù)集和問題有了深刻的理解，建立了整個(gè)模型的訓(xùn)練/評估基礎(chǔ)設(shè)施，并對其準(zhǔn)確性有了很高的信心，并探索了越來越復(fù)雜的模型，以預(yù)測每一步的方式獲得性能改進(jìn)。現(xiàn)在是時(shí)候開始閱讀大量論文，嘗試大量實(shí)驗(yàn)，準(zhǔn)備好獲得SOTA結(jié)果吧。祝你好運(yùn)！