热の无码热の有码热の综合,日本特黄a级高清免费大片

那如果GC失敗，可能網(wǎng)絡(luò)某些部分有問題，也有可能整個網(wǎng)絡(luò)都有問題了！你也不知道哪出錯了，那怎么辦呢？構(gòu)建一個可視化過程監(jiān)控每一個環(huán)節(jié)，這可以讓你清楚知道你的網(wǎng)絡(luò)的每一地方是否有問題！！這里還有一個trick，先構(gòu)建一個簡單的任務(wù)(比如你做MNIST數(shù)字識別，你可以先識別0和1，如果成功可以再加入更多識別數(shù)字)；然后從簡單到復(fù)雜逐步來檢測你的model，看哪里有問題。舉個例子吧，先用固定的data通過單層softmax看feedforward效果，然后BP效果，然后增加單層單個neuron unit看效果；增加一層多個；增加bias。。。。。直到構(gòu)建出最終的樣子，系統(tǒng)化的檢測每一步！

參數(shù)初始化也是重要滴！其主要考慮點在于你的激活函數(shù)的取值范圍和梯度較大的范圍！
隱層的bias一般初始化為0就可以；輸出層的bias可以考慮用reverse activation of mean targets或者mean targets(很直觀對不對) weights初始化一般較小的隨機數(shù)，比如Uniform，Gaussion

更放心一點，可視化每一層feedforward輸出的取值范圍，梯度范圍，通過修改使其落入激活函數(shù)的中間區(qū)域范圍（梯度類似線性）；如果是ReLU則保證不要輸出大多為負數(shù)就好，可以給bias一點正直的噪聲等。當然還有一點就是不能讓神經(jīng)元輸出一樣，原因很簡單

優(yōu)化算法，一般用mini-batch SGD，絕對不要用full batch gradient(慢)。一般情況下，大數(shù)據(jù)集用2nd order batch method比如L-BFGS較好，但是會有大量額外計算2nd過程；小數(shù)據(jù)集，L-BFGS或共軛梯度較好。(Large-batch L-BFGS extends the reach of L-BFGSLe et al. ICML 2001)

mini-batch好處主要有：可以用矩陣計算加速并行；引入的隨機性可以避免困在局部最優(yōu)值；并行化計算多個梯度等。在此基礎(chǔ)上一些改進也是很有效的(因為SGD真的敏感)，比如Momentum，他的意圖就是在原先的跟新基礎(chǔ)上增加一點摩擦力，有點向加速度對速度的作用，如果多次更新梯度都往一個方向，說明這個方向是對的，這時候增加跟新的步長，突然有一個方向，只會較少影響原來的方向，因為可以較少的數(shù)據(jù)帶來的誤差。當你使用momentum時可以適當減小global learning rate

momentum

學(xué)習(xí)率，跑過神經(jīng)網(wǎng)絡(luò)的都知道這個影響還蠻大。一般就是要么選用固定的lr，要么隨著訓(xùn)練讓lr逐步變小

方案一：當驗證誤差不再下降時，lr減小為原來的0.5

方案二：采用理論上可以保證收斂的減小比例，O(1/t)，t是迭代次數(shù)

方案三：最好用自適應(yīng)的學(xué)習(xí)率，比如Adagrad(Duchi et al. 2010)等

簡要說明一下，Adagrad非常適合數(shù)據(jù)出現(xiàn)頻度不一樣的模型，比如word2vec，你肯定希望出現(xiàn)非常少的詞語權(quán)重更新非常大，讓它們遠離常規(guī)詞，學(xué)習(xí)到向量空間中距離度量的意義，出現(xiàn)非常多的詞(the，very，often)每次更新比較小。

adagrad

按照上面式子，如果進入一個local optimum，參數(shù)可能無法更新時，可以考慮每隔一段epoch，reset sum項

看看你的模型有沒有能力過擬合！(training error vs. validation error)

如果沒有，想辦法讓它過擬合！(r u kidding?! 哈哈)，一般而言，當參數(shù)多于training數(shù)據(jù)時，模型是有能力記住數(shù)據(jù)的，總歸先保證模型的能力么

如果過擬合了，那么就可以進一步優(yōu)化啦，一般深度學(xué)習(xí)breakthrough的方法都是來自于更好的regularization?method，解決過擬合很多方法在此就不多論述了。比如減小模型(layers, units)；L1，L2正則(weight decay)；early stop(按照數(shù)據(jù)集大小,每隔一段epoch(比如小數(shù)據(jù)集每隔5epoch，大的每隔(1/3epoch)）保存模型，最后選擇validation error 最小的模型)；sparsity constraints on hidden activation；Dropout；data

augumentation (CNN 一些變化不變性要注意)等

======================================================

大體流程如上，再引一篇大神之作，Practical Recommendations for Gradient-Based Training of Deep Architectures Y. Bengio(2012)，額外提到的有unsupervised預(yù)訓(xùn)練。其實數(shù)據(jù)不夠時也可以找類似任務(wù)做遷移學(xué)習(xí)，fine-tuning等。

最后，可以看到一個網(wǎng)絡(luò)那么多的超參數(shù)，怎么去選這些超參數(shù)呢？文章也說了：

Random hyperparameter search!

以上提的多是supervised learning，對于unsupervised learning可以做fine tuning
接下來按一些模塊具體列舉下，歡迎補充?。?/p>

論文鏈接：

https://link.springer.com/chapter/10.1007/978-3-642-35289-8_26

標準化(Normalization)

很多machine learning模型都需要，在此不多論述，神經(jīng)網(wǎng)絡(luò)假設(shè)inputs/outputs服從近似均值為0方差為1分布。主要為了公平對待每個特征；使優(yōu)化過程變得平穩(wěn)；消除量綱影響等
z-score; min-max; decimal scaling等

scale控制特征的重要性：大scale的output特征產(chǎn)生更大的error；大的scale的input的特征可以主導(dǎo)網(wǎng)絡(luò)對此特征更敏感，產(chǎn)生大的update
一些特征本來取值范圍很小需要格外注意，避免產(chǎn)生NaNs
就算沒有標準化你的網(wǎng)絡(luò)可以訓(xùn)練的話，那可能前幾層也是做類似的事情，無形增加了網(wǎng)絡(luò)的復(fù)雜程度
通常都是把所有inputs的特征獨立地按同樣的規(guī)則標準化，如果對任務(wù)有特殊需求，某些特征可以特別對待

檢查結(jié)果(Results Check)

有點類似于在模型中按一個監(jiān)控系統(tǒng)（預(yù)處理，訓(xùn)練，預(yù)測過程中都要），這個步驟可以幫助你發(fā)現(xiàn)你的模型在哪里出了問題，最好可以找到可視化的方法，一目了然，比如圖像方面就很直觀了。

需要注意的是，你需要理解你設(shè)定的error的意義，就算訓(xùn)練過程error在不斷減少，也需要來和真實的error比較，雖然training error減少了，但是可能還不夠，真實世界中需要更小的error，說明模型學(xué)習(xí)的還不夠
當在training過程中work后，再去看在validation集上的效果
再更新網(wǎng)絡(luò)結(jié)構(gòu)前，最好確保每一個環(huán)節(jié)都有“監(jiān)控”，不要盲目做無用功

預(yù)處理(Pre-Processing Data)

現(xiàn)實中同樣的數(shù)據(jù)可以有不同的表達方式，比如移動的汽車，你從不同角度位置去觀察，它做的都是同樣的事情。你應(yīng)該確保從南面觀察和從西面觀察的同樣的數(shù)據(jù)，應(yīng)該是相似的！

神經(jīng)網(wǎng)絡(luò)假設(shè)數(shù)據(jù)的分布空間是連續(xù)的
減少數(shù)據(jù)表示多樣性帶來的誤差；間接減少了網(wǎng)絡(luò)前幾層做沒必要的“等同”映射帶來的復(fù)雜度

正則化(Regularization)

增加Dropout，隨機過程，噪聲，data augumentation等。就算數(shù)據(jù)足夠多，你認為不可能over-fitting，那么最好還是有正則，如dropout(0.99)

一方面緩解過擬合，另一方面引入的隨機性，可以平緩訓(xùn)練過程，加速訓(xùn)練過程，處理outliers
Dropout可以看做ensemble，特征采樣，相當于bagging很多子網(wǎng)絡(luò)；訓(xùn)練過程中動態(tài)擴展擁有類似variation的輸入數(shù)據(jù)集。（在單層網(wǎng)絡(luò)中，類似折中Naiive bayes(所有特征權(quán)重獨立)和logistic regression(所有特征之間有關(guān)系)；
一般對于越復(fù)雜的大規(guī)模網(wǎng)絡(luò)，Dropout效果越好，是一個強regularizer！
最好的防止over-fitting就是有大量不重復(fù)數(shù)據(jù)

Batch Size太大

太大的batch size會減gradient descend的隨機性，對模型的精度產(chǎn)生負面影響。
如果可以容忍訓(xùn)練時間過長，最好開始使用盡量小的batch size(16,8,1)

大的batch size需要更多的epoch來達到較好的水平
原因1：幫助訓(xùn)練過程中跳出local minima
原因2：使訓(xùn)練進入較為平緩的local minima，提高泛化性

學(xué)習(xí)率lr

去掉gradient clipping（一般默認有），訓(xùn)練過程中，找到最大的，使模型error不會爆掉的lr，然后用稍微小一點的lr訓(xùn)練

一般數(shù)據(jù)中的outliers會產(chǎn)生大的error，進而大的gradient，得到大的weight update，會使最優(yōu)的lr比較難找
預(yù)處理好數(shù)據(jù)(去除outliers)，lr設(shè)定好一般無需clipping
如果error explode,那么加gradient clipping只是暫時緩解，原因還是數(shù)據(jù)有問題

最后一層的激活函數(shù)

限制輸出的范圍，一般不用任何激活
需要仔細考慮輸入是什么，標準化之后的輸出的取值范圍，如果輸出有正有負，你用ReLU，sigmoid明顯不行；多分類任務(wù)一般用softmax(相當于對輸出歸一化為概率分布)

激活只是一個映射，理論上都可以
如果輸出沒有error明顯也不行，那就沒有g(shù)radient，模型也學(xué)不到什么
一般用tanh，產(chǎn)生一個問題就是梯度在-1或1附近非常小，神經(jīng)元飽和學(xué)習(xí)很慢，容易產(chǎn)生梯度消息，模型產(chǎn)生更多接近-1或1的值

Bad Gradient(Dead Neurons)

使用ReLU激活函數(shù)，由于其在小于零范圍梯度為0，可能會影響模型性能，甚至模型不會在更新
當發(fā)現(xiàn)模型隨著epoch進行，訓(xùn)練error不變化，可能所以神經(jīng)元都“死”了。這時嘗試更換激活函數(shù)如leaky ReLU，ELU，再看訓(xùn)練error變化

使用ReLU時需要給參數(shù)加一點噪聲，打破完全對稱避免0梯度，甚至給biases加噪聲
相對而言對于sigmoid，因為其在0值附近最敏感，梯度最大，初始化全為0就可以啦
任何關(guān)于梯度的操作，比如clipping, rounding, max/min都可能產(chǎn)生類似的問題
ReLU相對Sigmoid優(yōu)點：單側(cè)抑制；寬闊的興奮邊界；稀疏激活性；解決梯度消失

初始化權(quán)重

一般說隨機初始化為一些小的數(shù)，沒那么簡單，一些網(wǎng)絡(luò)結(jié)構(gòu)需要一些特定的初始化方法，初始化不好很可能得不到文章上的效果！可以去嘗試一些流行的找到有用的初始化

太?。盒盘杺鬟f逐漸縮小難以產(chǎn)生作用
太大：信號傳遞逐漸放大導(dǎo)致發(fā)散和失效
比較流行的有 ‘he’, ‘lecun’, ‘Xavier’（讓權(quán)重滿足0均值，2/(輸入節(jié)點數(shù)+輸出節(jié)點數(shù))）
biases一般初始化為0就可以
每一層初始化都很重要

網(wǎng)絡(luò)太深

都說深度網(wǎng)絡(luò)精度更高，但深度不是盲目堆起來的，一定要在淺層網(wǎng)絡(luò)有一定效果的基礎(chǔ)上，增加深度。深度增加是為了增加模型的準確率，如果淺層都學(xué)不到東西，深了也沒效果。
開始一般用3-8層，當效果不錯時，為了得到更高的準確率，再嘗試加深網(wǎng)絡(luò)

所以的優(yōu)化方法在淺層也有用，如果效果不好，絕對不是深度不夠
訓(xùn)練和預(yù)測過程隨著網(wǎng)絡(luò)加深變慢

Hidden neurons的數(shù)量

最好參考researcher在相似的任務(wù)上結(jié)構(gòu)，一般256-1024
太多：訓(xùn)練慢，難去除噪聲(over-fitting)
太少：擬合能力下降

考慮真實變量有多少信息量需要傳遞，然后再稍微增加一點（考慮dropout；冗余表達；估計的余地）
分類任務(wù)：初始嘗試5-10倍類別個數(shù)
回歸任務(wù)：初始嘗試2-3倍輸入/輸出特征數(shù)
這里直覺很重要
最終影響其實不大，只是訓(xùn)練過程比較慢，多嘗試

loss function

多分類任務(wù)一般用cross-entropy不用MSE

多分類一般用softmax，在小于0范圍內(nèi)梯度很小，加一個log可以改善此問題
避免MSE導(dǎo)致的學(xué)習(xí)速率下降，學(xué)習(xí)速率受輸出誤差控制(自己推一下就知道了)

AE降維

對中間隱層使用L1正則，通過懲罰系數(shù)控制隱含節(jié)點稀疏程度

SGD

不穩(wěn)定算法，設(shè)定不同的學(xué)習(xí)速率，結(jié)果差距大，需要仔細調(diào)節(jié)
一般希望開始大，加速收斂，后期小，穩(wěn)定落入局部最優(yōu)解。
也可采用自適應(yīng)的算法，Adam，Adagrad，Adadelta等減輕調(diào)參負擔(一般使用默認值就可以)

對于SGD需要對學(xué)習(xí)率，Momentum，Nesterov等進行復(fù)雜調(diào)參
值得一提是神經(jīng)網(wǎng)絡(luò)很多局部最優(yōu)解都可能達到較好的效果，而全局最優(yōu)解反而是容易過擬合的解

CNN的使用

神經(jīng)網(wǎng)絡(luò)是特征學(xué)習(xí)方法，其能力取決隱層，更多的連接意味著參數(shù)爆炸的增長，模型復(fù)雜直接導(dǎo)致很多問題。比如嚴重過擬合，過高的計算復(fù)雜度。
CNN其優(yōu)越的性能十分值得使用，參數(shù)數(shù)量只和卷積核大小，數(shù)量有關(guān)，保證隱含節(jié)點數(shù)量（與卷積步長相關(guān)）的同時，大量降低了參數(shù)的數(shù)量！當然CNN更多用于圖像，其他任務(wù)靠你自己抽象啦，多多嘗試！

這里簡單介紹一些CNN的trick

pooling或卷積尺寸和步長不一樣，增加數(shù)據(jù)多樣性
data augumentation，避免過擬合，提高泛化，加噪聲擾動
weight regularization
SGD使用decay的訓(xùn)練方法
最后使用pooling（avgpooling）代替全連接，減少參數(shù)量
maxpooling代替avgpooling，避免avgpooling帶來的模糊化效果
2個3×3代替一個5×5等，減少參數(shù)，增加非線性映射，使CNN對特征學(xué)習(xí)能力強
3×3,2×2窗口
預(yù)訓(xùn)練方法等
數(shù)據(jù)預(yù)處理后(PCA,ZCA)喂給模型
輸出結(jié)果窗口ensemble
中間節(jié)點作為輔助輸出節(jié)點，相當于模型融合，同時增加反向傳播的梯度信號，提供了額外的正則化
1×1卷積，夸通道組織信息，提高網(wǎng)絡(luò)表達，可對輸出降維，低成本，性價比高，增加非線性映射，符合Hebbian原理
NIN增加網(wǎng)絡(luò)對不同尺度的適應(yīng)性，類似Multi-Scale思想
Factorization into small convolution，7×7用1×7和7×1代替，節(jié)約參數(shù)，增加非線性映射
BN減少Internal Covariance Shift問題，提高學(xué)習(xí)速度，減少過擬合，可以取消dropout，增大學(xué)習(xí)率，減輕正則，減少光學(xué)畸變的數(shù)據(jù)增強
模型遇到退化問題考慮shortcut結(jié)構(gòu)，增加深度
等等