[[263815]]

本文經(jīng)AI新媒體量子位（公眾號(hào)ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處。

同學(xué)，現(xiàn)在有一份33條神經(jīng)網(wǎng)絡(luò)訓(xùn)練秘笈，擺在你面前。

AI大佬Andrej Karpathy (簡(jiǎn)稱AK) ，剛剛發(fā)布了一篇長(zhǎng)長(zhǎng)長(zhǎng)長(zhǎng)博客，苦口婆心地列舉了33條技巧和注意事項(xiàng)，全面避免大家踩坑，已有2,300多贊。

AK在斯坦福讀博的時(shí)候，是飛飛實(shí)驗(yàn)室的成員，畢業(yè)去了OpenAI，然后又成了特斯拉的AI負(fù)責(zé)人，直到如今。

他的博客雖然一年一更，但一字一句皆是皆是多年心血凝結(jié)而成，每次更新必有重大回響。

有生之年，我們把內(nèi)文翻譯如下：

訓(xùn)練模型的“處方”

總的來(lái)說(shuō)，Andrej Karpathy的技巧就是：不要心急 (文章結(jié)尾會(huì)道出原因) ，從簡(jiǎn)單到復(fù)雜逐步完善你的神經(jīng)網(wǎng)絡(luò)。

1、先別著急寫代碼

訓(xùn)練神經(jīng)網(wǎng)絡(luò)前，別管代碼，先從預(yù)處理數(shù)據(jù)集開始。我們先花幾個(gè)小時(shí)的時(shí)間，了解數(shù)據(jù)的分布并找出其中的規(guī)律。

Andrej有一次在整理數(shù)據(jù)時(shí)發(fā)現(xiàn)了重復(fù)的樣本，還有一次發(fā)現(xiàn)了圖像和標(biāo)簽中的錯(cuò)誤。所以先看一眼數(shù)據(jù)能避免我們走很多彎路。

由于神經(jīng)網(wǎng)絡(luò)實(shí)際上是數(shù)據(jù)集的壓縮版本，因此您將能夠查看網(wǎng)絡(luò)（錯(cuò)誤）預(yù)測(cè)并了解它們的來(lái)源。如果你的網(wǎng)絡(luò)給你的預(yù)測(cè)看起來(lái)與你在數(shù)據(jù)中看到的內(nèi)容不一致，那么就會(huì)有所收獲。

一旦從數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，可以編寫一些代碼對(duì)他們進(jìn)行搜索、過(guò)濾、排序。把數(shù)據(jù)可視化能幫助我們發(fā)現(xiàn)異常值，而異常值總能揭示數(shù)據(jù)的質(zhì)量或預(yù)處理中的一些錯(cuò)誤。

2、設(shè)置端到端的訓(xùn)練評(píng)估框架

處理完數(shù)據(jù)集，接下來(lái)就能開始訓(xùn)練模型了嗎？并不能！下一步是建立一個(gè)完整的訓(xùn)練+評(píng)估框架。

在這個(gè)階段，我們選擇一個(gè)簡(jiǎn)單又不至于搞砸的模型，比如線性分類器、CNN，可視化損失。獲得準(zhǔn)確度等衡量模型的標(biāo)準(zhǔn)，用模型進(jìn)行預(yù)測(cè)。

這個(gè)階段的技巧有：

· 固定隨機(jī)種子

使用固定的隨機(jī)種子，來(lái)保證運(yùn)行代碼兩次都獲得相同的結(jié)果，消除差異因素。

· 簡(jiǎn)單化

在此階段不要有任何幻想，不要擴(kuò)增數(shù)據(jù)。擴(kuò)增數(shù)據(jù)后面會(huì)用到，但是在這里不要使用，現(xiàn)在引入只會(huì)導(dǎo)致錯(cuò)誤。

· 在評(píng)估中添加有效數(shù)字

在繪制測(cè)試集損失時(shí)，對(duì)整個(gè)測(cè)試集進(jìn)行評(píng)估，不要只繪制批次測(cè)試損失圖像，然后用Tensorboard對(duì)它們進(jìn)行平滑處理。

· 在初始階段驗(yàn)證損失函數(shù)

驗(yàn)證函數(shù)是否從正確的損失值開始。例如，如果正確初始化一層，則應(yīng)在softmax初始化時(shí)測(cè)量-log(1/n_classes)。

· 初始化

正確初始化一層的權(quán)重。如果回歸一些平均值為50的值，則將最終偏差初始化為50。如果有一個(gè)比例為1:10的不平衡數(shù)據(jù)集，請(qǐng)?jiān)O(shè)置對(duì)數(shù)的偏差，使網(wǎng)絡(luò)預(yù)測(cè)概率在初始化時(shí)為0.1。正確設(shè)置這些可以加速模型的收斂。

· 人類基線

監(jiān)控除人為可解釋和可檢查的損失之外的指標(biāo)。盡可能評(píng)估人的準(zhǔn)確性并與之進(jìn)行比較?；蛘邔?duì)測(cè)試數(shù)據(jù)進(jìn)行兩次注釋，并且對(duì)于每個(gè)示例，將一個(gè)注釋視為預(yù)測(cè)，將第二個(gè)注釋視為事實(shí)。

· 設(shè)置一個(gè)獨(dú)立于輸入的基線

最簡(jiǎn)單的方法是將所有輸入設(shè)置為零，看看模型是否學(xué)會(huì)從輸入中提取任何信息。

· 過(guò)擬合一個(gè)batch

增加了模型的容量并驗(yàn)證我們可以達(dá)到的損失。

· 驗(yàn)證減少訓(xùn)練損失

嘗試稍微增加數(shù)據(jù)容量。

· 在訓(xùn)練模型前進(jìn)行數(shù)據(jù)可視化

將原始張量的數(shù)據(jù)和標(biāo)簽可視化，可以節(jié)省了調(diào)試次數(shù)，并揭示了數(shù)據(jù)預(yù)處理和數(shù)據(jù)擴(kuò)增中的問(wèn)題。

· 可視化預(yù)測(cè)動(dòng)態(tài)

在訓(xùn)練過(guò)程中對(duì)固定測(cè)試批次上的模型預(yù)測(cè)進(jìn)行可視化。

· 使用反向傳播來(lái)獲得依賴關(guān)系：

一個(gè)方法是將第i個(gè)樣本的損失設(shè)置為1.0，運(yùn)行反向傳播一直到輸入，并確保僅在第i個(gè)樣本上有非零的梯度。

· 概括一個(gè)特例：對(duì)正在做的事情編寫一個(gè)非常具體的函數(shù)，讓它運(yùn)行，然后在以后過(guò)程中確保能得到相同的結(jié)果。

3、過(guò)擬合

首先我們得有一個(gè)足夠大的模型，它可以過(guò)擬合，減少訓(xùn)練集上的損失，然后適當(dāng)?shù)卣{(diào)整它，放棄一些訓(xùn)練集損失，改善在驗(yàn)證集上的損失）。

這一階段的技巧有：

· 挑選模型

為了獲得較好的訓(xùn)練損失，我們需要為數(shù)據(jù)選擇合適的架構(gòu)。不要總想著一步到位。如果要做圖像分類，只需復(fù)制粘貼ResNet-50，我們可以在稍后的過(guò)程中做一些自定義的事。

· Adam方法是安全的

在設(shè)定基線的早期階段，使用學(xué)習(xí)率為3e-4的Adam 。根據(jù)經(jīng)驗(yàn)，亞當(dāng)對(duì)超參數(shù)更加寬容，包括不良的學(xué)習(xí)率。

· 一次只復(fù)雜化一個(gè)

如果多個(gè)信號(hào)輸入分類器，建議逐個(gè)輸入，然后增加復(fù)雜性，確保預(yù)期的性能逐步提升，而不要一股腦兒全放進(jìn)去。比如，嘗試先插入較小的圖像，然后再將它們放大。

· 不要相信學(xué)習(xí)率衰減默認(rèn)值

如果不小心，代碼可能會(huì)過(guò)早地將學(xué)習(xí)率減少到零，導(dǎo)致模型無(wú)法收斂。我們完全禁用學(xué)習(xí)率衰減避免這種狀況的發(fā)生。

4、正則化

理想的話，我們現(xiàn)在有一個(gè)大模型，在訓(xùn)練集上擬合好了。

現(xiàn)在，該正則化了。舍棄一點(diǎn)訓(xùn)練集上的準(zhǔn)確率，可以換取驗(yàn)證集上的準(zhǔn)確率。

這里有一些技巧：

· 獲取更多數(shù)據(jù)

至今大家最偏愛(ài)的正則化方法，就是添加一些真實(shí)訓(xùn)練數(shù)據(jù)。

不要在一個(gè)小數(shù)據(jù)集花太大功夫，試圖搞出大事情來(lái)。有精力去多收集點(diǎn)數(shù)據(jù)，這是一個(gè)確保性能單調(diào)提升的方法。

· 數(shù)據(jù)擴(kuò)增

把數(shù)據(jù)集做大，除了繼續(xù)收集數(shù)據(jù)之外，就是擴(kuò)增了。旋轉(zhuǎn)，翻轉(zhuǎn)，拉伸，做擴(kuò)增的時(shí)候可以野性一點(diǎn)。

· 有創(chuàng)意的擴(kuò)增

還有什么辦法擴(kuò)增數(shù)據(jù)集？比如域隨機(jī)化 (Domain Randomization) ，模擬 (Simulation) ，巧妙的混合 (Hybrids) ，比如把數(shù)據(jù)插進(jìn)場(chǎng)景里去。甚至可以用上GAN。

· 預(yù)訓(xùn)練

當(dāng)然，就算你手握充足的數(shù)據(jù)，直接用預(yù)訓(xùn)練模型也沒(méi)壞處。

· 跟監(jiān)督學(xué)習(xí)死磕

不要對(duì)無(wú)監(jiān)督預(yù)訓(xùn)練太過(guò)興奮了。至少在視覺(jué)領(lǐng)域，無(wú)監(jiān)督到現(xiàn)在也沒(méi)有非常強(qiáng)大的成果。雖然，NLP領(lǐng)域有了BERT，有了會(huì)講故事的GPT-2，但我們看到的效果很大程度上還是經(jīng)過(guò)了人工挑選。

· 輸入低維一點(diǎn)

把那些可能包含虛假信號(hào)的特征去掉，因?yàn)檫@些東西很可能造成過(guò)擬合，尤其是數(shù)據(jù)集不大的時(shí)候。

同理，如果低層細(xì)節(jié)不是那么重要的話，就輸入小一點(diǎn)的圖片，捕捉高層信息就好了。

· 模型小一點(diǎn)

許多情況下，都可以給網(wǎng)絡(luò)加上領(lǐng)域知識(shí)限制 (Domain Knowledge Constraints) ，來(lái)把模型變小。

比如，以前很流行在ImageNet的骨架上放全連接層，但現(xiàn)在這種操作已經(jīng)被平均池化取代了，大大減少了參數(shù)。

·減小批尺寸

對(duì)批量歸一化 (Batch Normalization) 這項(xiàng)操作來(lái)說(shuō)，小批量可能帶來(lái)更好的正則化效果 (Regularization) 。

· Dropout

給卷積網(wǎng)絡(luò)用dropout2d。不過(guò)使用需謹(jǐn)慎，因?yàn)檫@種操作似乎跟批量歸一化不太合得來(lái)。

· 權(quán)重衰減

增加權(quán)重衰減 (Weight Decay) 的懲罰力度。

· 早停法

不用一直一直訓(xùn)練，可以觀察驗(yàn)證集的損失，在快要過(guò)擬合的時(shí)候，及時(shí)喊停。

· 也試試大點(diǎn)的模型

注意，這條緊接上條 (且僅接上條) 。

我發(fā)現(xiàn)，大模型很容易過(guò)擬合，幾乎是必然，但早停的話，模型可以表現(xiàn)很好。

如果想要更加確信，自己訓(xùn)練出的網(wǎng)絡(luò)，是個(gè)不錯(cuò)的分類器，就把權(quán)重可視化一下，看看邊緣 (Edges) 美不美。

如果過(guò)濾器看起來(lái)像噪音，就需要再搞一搞了。同理，激活 (Activations) 有時(shí)候也會(huì)看出瑕疵來(lái)，那樣就要研究一下哪里出了問(wèn)題。

5、調(diào)參

讀到這里，你的AI應(yīng)該已經(jīng)開始探索廣闊天地了。這里，有幾件事需要注意。

· 隨機(jī)網(wǎng)格搜索

在同時(shí)調(diào)整多個(gè)超參數(shù)的情況下，網(wǎng)格搜索聽起來(lái)是很誘人，可以把各種設(shè)定都包含進(jìn)來(lái)。

但是要記住，隨機(jī)搜索更好一些。

直覺(jué)上說(shuō)，這是因?yàn)榫W(wǎng)絡(luò)通常對(duì)其中一些參數(shù)比較敏感，對(duì)其他參數(shù)不那么敏感。

如果參數(shù)a是有用的，參數(shù)b起不了什么作用，就應(yīng)該對(duì)a取樣更徹底一些，不要只在幾個(gè)固定點(diǎn)上多次取樣。

· 超參數(shù)優(yōu)化

世界上，有許多許多靚麗的貝葉斯超參數(shù)優(yōu)化工具箱，很多小伙伴也給了這些工具好評(píng)。

但我個(gè)人的經(jīng)驗(yàn)是，State-of-the-Art都是用實(shí)習(xí)生做出來(lái)的 (誤) 。

6、還能怎么壓榨**

當(dāng)你已經(jīng)找到了好用的架構(gòu)和好用的超參數(shù)，還是有一些技巧，可以在幫你現(xiàn)有模型上獲得更好的結(jié)果，榨干潛能：

· 模型合體

把幾個(gè)模型結(jié)合在一起，至少可以保證提升2%的準(zhǔn)確度，不管是什么任務(wù)。

如果，你買不起太多的算力，就用蒸餾 (Distill) 把模型們集合成一個(gè)神經(jīng)網(wǎng)絡(luò)。

· 放那讓它訓(xùn)練吧

通常，人類一看到損失趨于平穩(wěn)，就停止訓(xùn)練了。

但我感覺(jué)，還是訓(xùn)練得昏天黑地，不知道多久了，比較好。

有一次，我意外把一個(gè)模型留在那訓(xùn)練了一整個(gè)寒假。

我回來(lái)的時(shí)候，它就成了State-of-the-Art。

One More Thing

無(wú)獨(dú)有偶，前兩天有只“陣亡的程序猿”說(shuō)：

AWS的錢，不是花在你用了多少，而是花在你忘了關(guān)電腦。

同學(xué)，如果你也曾經(jīng)有這樣的經(jīng)歷，那么恭喜，你也有訓(xùn)練出State-of-the-Art的潛力。

原文鏈接：

http://karpathy.github.io/2019/04/25/recipe/