Press "Enter" to skip to content

Deep learning调参经验

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

参数初始化

 

下面几种方式,随便选一个,结果基本都差不多。但是一定要做。否则可能会减慢收敛速度,影响收敛结果,甚至造成Nan等一系列问题。

 

下面的n_in为网络的输入大小,n_out为网络的输出大小,n为n_in或(n_in+n_out)*0.5

 

Xavier初始法论文:

 

http://jmlr.org/proceedings/papers/v9/glorot10a/glorot10a.pdf

 

He初始化论文:

 

https://arxiv.org/abs/1502.01852

 

uniform均匀分布初始化:
w = np.random.uniform(low=-scale, high=scale, size=[n_in,n_out])

 

Xavier初始法,适用于普通激活函数(tanh,sigmoid):scale = np.sqrt(3/n)

 

He初始化,适用于ReLU:scale = np.sqrt(6/n)

 

normal高斯分布初始化:
w = np.random.randn(n_in,n_out) * stdev # stdev为高斯分布的标准差,均值设为0

 

Xavier初始法,适用于普通激活函数 (tanh,sigmoid):stdev = np.sqrt(n)

 

He初始化,适用于ReLU:stdev = np.sqrt(2/n)

 

svd初始化:对RNN有比较好的效果。参考论文: https://arxiv.org/abs/1312.6120

 

数据预处理方式

 

zero-center ,这个挺常用的.
X -= np.mean(X, axis = 0) # zero-center
X /= np.std(X, axis = 0) # normalize

 

PCA whitening,这个用的比较少.

 

训练技巧

 

要做梯度归一化,即算出来的梯度除以minibatch size

 

clip c(梯度裁剪): 限制最大梯度,其实是value = sqrt(w1^2+w2^2….),如果value超过了阈值,就算一个衰减系系数,让value的值等于阈值: 5,10,15

 

dropout对小数据防止过拟合有很好的效果,值一般设为0.5,小数据上dropout+sgd在我的大部分实验中,效果提升都非常明显.因此可能的话,建议一定要尝试一下。 dropout的位置比较有讲究, 对于RNN,建议放到输入->RNN与RNN->输出的位置.关于RNN如何用dropout,可以参考这篇论文:  http://arxiv.org/abs/1409.2329

 

adam,adadelta等,在小数据上,我这里实验的效果不如sgd, sgd收敛速度会慢一些,但是最终收敛后的结果,一般都比较好。如果使用sgd的话,可以选择从1.0或者0.1的学习率开始,隔一段时间,在验证集上检查一下,如果cost没有下降,就对学习率减半. 我看过很多论文都这幺搞,我自己实验的结果也很好. 当然,也可以先用ada系列先跑,最后快收敛的时候,更换成sgd继续训练.同样也会有提升.据说adadelta一般在分类问题上效果比较好,adam在生成问题上效果比较好。

 

除了gate之类的地方,需要把输出限制成0-1之外,尽量不要用sigmoid,可以用tanh或者relu之类的激活函数.1. sigmoid函数在-4到4的区间里,才有较大的梯度。之外的区间,梯度接近0,很容易造成梯度消失问题。2. 输入0均值,sigmoid函数的输出不是0均值的。

 

rnn的dim和embdding size,一般从128上下开始调整. batch size,一般从128左右开始调整.batch size合适最重要,并不是越大越好.

 

word2vec初始化,在小数据上,不仅可以有效提高收敛速度,也可以可以提高结果.

 

尽量对数据做shuffle

 

LSTM 的forget gate的bias,用1.0或者更大的值做初始化,可以取得更好的结果,来自这篇论文:  http://jmlr.org/proceedings/papers/v37/jozefowicz15.pdf , 我这里实验设成1.0,可以提高收敛速度.实际使用中,不同的任务,可能需要尝试不同的值.

 

Batch Normalization据说可以提升效果,不过我没有尝试过,建议作为最后提升模型的手段,参考论文:Accelerating Deep Network Training by Reducing Internal Covariate Shift

 

如果你的模型包含全连接层(MLP),并且输入和输出大小一样,可以考虑将MLP替换成Highway Network,我尝试对结果有一点提升,建议作为最后提升模型的手段,原理很简单,就是给输出加了一个gate来控制信息的流动,详细介绍请参考论文: http://arxiv.org/abs/1505.00387

 

来自@张馨宇的技巧:一轮加正则,一轮不加正则,反复进行。

 

Ensemble

 

Ensemble是论文刷结果的终极核武器,深度学习中一般有以下几种方式

 

同样的参数,不同的初始化方式

 

不同的参数,通过cross-validation,选取最好的几组

 

同样的参数,模型训练的不同阶段,即不同迭代次数的模型。

 

不同的模型,进行线性融合. 例如RNN和传统模型.

Be First to Comment

发表评论

邮箱地址不会被公开。 必填项已用*标注