神经网络与深度学习笔记(七)dropout 正则化等其他减小方差的方法
前言
相对于 正则化的计算量较大,dropout正则化减少了计算量,不足的是不能直观体现出 #card=math&code=%5Cjmath%28w%2Cb%29) 随着迭代次数的变化情况。但这也不妨碍其在计算机视觉中的广泛使用。
dropout 正则化
原理
对神经网络中每一层的每个节点取一定概率丢弃,进而使得神经网络一定程度上简化
例如上图中,橙色的节点是丢弃的节点。橙色节点丢弃后,该神经网络就一定程度上简化了
常见方法:反向随机失活
反向随机失活在计算机视觉上用的多。使用反向随机失活时,神经网络最少取3层
d3 = np.random.rand(a3.shape[0],a3.shape[1])<keep.prob #keep.prob是不丢弃的概率,如果值为0.8,则有0.2被丢弃
a3 = np.multply(a3,d3)
a3 /= keep.prob #防止改变a3的期望值
假设我们有 50 个神经元,且概率为 0.8,则 50 个神经元中有 10 个 将会被丢弃。
那么, 中, 就被减少了 ,为了不减少这个期望值,就需要 a3 /= keep.prob
来防止对 期望值的改变。
但是,在测试阶段不可以使用反向随机失活,不然期望输出也会是随机的。
而且,反向随机失活会使代价函数不明确,故,在神经网络的训练过程中,要先确定 #card=math&code=%5Cjmath%28w%2Cb%29) 随梯度下降的迭代次数增加而减小后再使用反向随机失活。
数据集扩增
图像
- 图像水平翻转
- 图像随机裁剪
等一系列的图像操作可以使得数据量翻倍从而扩大训练集
字符
- 旋转
- 变形
早终止法
早终止法的优点也是减少了计算量。但是却把两个问题结合在了一起增加了复杂度
如图,我们画出随着迭代次数增加的情况下,开发集 (dev) 误差与训练误差 (train) (或者 代价函数也可) 的曲线。我们会发现随着迭代次数的增加,开发集 (dev) 误差会先减后增,训练误差 (train) (或者 代价函数也可) 的曲线会一直递减。
我们找到两个曲线均小的点,这个点就是早终止的点。在这个点可以取得较好的性能,从而降低高方差
然而,这也是有缺点的。
这使得最优化的 函数(或者梯度下降的最优解)与正则化减少方差的两个问题结合在了一起。使得不能单一解决其中一个问题,增加了复杂性。
提早中断了梯度下降,打断了 的优化过程,没法用同一个工具解决两个问题。
但是这避免了正则化的缺点,大量的对 的计算,减少了计算量。
归一化输入
零均值化
%7D%5C%5C%0Ax%20%3D%20x%20-%20%5Cmu%0A#card=math&code=%5Cmu%20%3D%20%5Cfrac%7B1%7D%7Bm%7D%5Csum%7Bi%3D1%7D%5Emx%7B%28i%29%7D%5C%5C%0Ax%20%3D%20x%20-%20%5Cmu%0A)
归一化方差
%7D%5E2%5C%5C%0Ax%20%2F%3D%20%5Csigma%0A#card=math&code=%5Csigma%5E2%20%3D%20%5Cfrac%7B1%7D%7Bm%7D%5Csum%7Bi%3D1%7D%5E%7Bm%7Dx%7B%28i%29%7D%5E2%5C%5C%0Ax%20%2F%3D%20%5Csigma%0A)
为什么要归一化输入呢?我们看看归一化前后的结果
我们可以发现,归一化后的数据在梯度下降时候会更容易找到最优解,如果不进行归一化,会加大计算量,同时损失函数也会较复杂。即消除了数据特征之间的量纲影响,使得不同指标之间具有可比性,数据的更新速度将会变得一致,从而更容易更快通过梯度下降找到最优解,进而得到更精确的结果,便于分析。
梯度消失与梯度爆炸
梯度消失与梯度爆炸常常出现在较深的神经网络中,梯度消失与梯度爆炸的含义是,在训练时,损失函数的导数或者斜率有时候会变得特小或者特大
例如上图的神经网络,我们可以知道,输出 的值为:
假设:
则
在这样的情况下, 的值会指数增长。损失函数的导数会特大。
同理,在 的情况下,损失函数的导数会特小。
那么如何解决这个问题?
我们需要使用更细致的随机初始化神经网络(初始化权重)
例如:
w[l] = np.random.randn(shape)*np.sqrt(1/n[l-1])
其中, 中的 为输入的每个神经元的特征数。因为每层神经网络的每个单元有 个输入,而在这个例子中,有 个输入特征
需要注意的是,当使用 作为激活函数时,我们应该使用 np.sqrt(2/n[l-1])
当使用 时,有两种方案,任选一种即可:
- xavier 提出的初始化数:
- Yoshua Bengio 提出的初始化数:
梯度检验
梯度检验用于检验梯度反向传播的正确性
梯度的近似计算:
-f(%5Ctheta%20-%20%5Cvarepsilon)%7D%7B2%5Cvarepsilon%7D%5Capprox%20g(%5Ctheta)%0A#card=math&code=%5Cfrac%7Bf%28%5Ctheta%20%2B%20%5Cvarepsilon%29-f%28%5Ctheta%20-%20%5Cvarepsilon%29%7D%7B2%5Cvarepsilon%7D%5Capprox%20g%28%5Ctheta%29%0A)
用双侧的差值计算更精确。
梯度检验具体来讲就是:
将
连成一个向量
那么:
%20%3D%20%5Cjmath(%5Ctheta)%0A#card=math&code=%5Cjmath%28%5Bw%5E%7B%5B1%5D%7D%2Cb%5E%7B%5B1%5D%7D%20%5Ccdots%20%5Ccdots%20w%5E%7B%5Bl%5D%7D%2Cb%5E%7B%5Bl%5D%7D%5D%29%20%3D%20%5Cjmath%28%5Ctheta%29%0A)
同理,将
连成一个向量
我们需要计算的是, 是 #card=math&code=%5Cjmath%28%5Ctheta%29) 的梯度或者斜率嘛?
由于 %20%3D%5Cjmath(%5Ctheta_1%20%2C%5Ccdots%20%2C%5Ctheta_l)#card=math&code=%5Cjmath%28%5Ctheta%29%20%3D%5Cjmath%28%5Ctheta_1%20%2C%5Ccdots%20%2C%5Ctheta_l%29) ,故我们要对每个 循环一次
对于每个 ,我们有
%7D%20%3D%20%5Cfrac%7B%5Cjmath(%5Ctheta1%2C%5Ccdots%20%5Ctheta_i%2B%5Cvarepsilon%2C%5Ccdots)%20-%20%5Cjmath(%5Ctheta_1%2C%5Ccdots%20%5Ctheta_i-%5Cvarepsilon%2C%5Ccdots)%7D%7B2%5Cvarepsilon%7D%0A#card=math&code=d%20%5Ctheta%7Bappor%28i%29%7D%20%3D%20%5Cfrac%7B%5Cjmath%28%5Ctheta_1%2C%5Ccdots%20%5Ctheta_i%2B%5Cvarepsilon%2C%5Ccdots%29%20-%20%5Cjmath%28%5Ctheta_1%2C%5Ccdots%20%5Ctheta_i-%5Cvarepsilon%2C%5Ccdots%29%7D%7B2%5Cvarepsilon%7D%0A)
而:
%7D%20%3D%20%5Cfrac%7B%5Cpartial%20%5Cjmath%7D%7B%5Cpartial%20%5Ctheta%7B(i)%7D%7D%0A#card=math&code=d%5Ctheta%7B%28i%29%7D%20%3D%20%5Cfrac%7B%5Cpartial%20%5Cjmath%7D%7B%5Cpartial%20%5Ctheta_%7B%28i%29%7D%7D%0A)
接下来检查
%7D%20%5Capprox%20d%5Ctheta%0A#card=math&code=d%20%5Ctheta_%7Bappor%28i%29%7D%20%5Capprox%20d%5Ctheta%0A)
是否成立
我们计算它们的欧几里得距离,即两个向量的每个分量差的平方和再开方,看看结果是否大概为 。
如果为 那么梯度检验就通过了。
如果为 ,那么需要好好检查一下,可能正确也有可能错误,检查每个分量。如果其中某个分量很大,就有可能出错了
如果为 ,那么一定有错误,需要仔细检查
梯度检验的实用技巧
- 不要在训练中使用梯度检查,仅仅只在调试时使用,否则会严重影响训练速度,调试过后记得关掉
- 如果检验失败,仔细检查每一项去找出漏洞,仔细检查,差值大的可能有错误
- 如果使用了正则化,那么检验也需要正则化
- 梯度检验不要与 dropout 一起使用,可以设 dropout 的 keep.prob 为 1,即关掉 dropout 再检验