通法子奥菲寺
由qubit |微信官方账号QbitAI制作
Tlcom SudParis的博士生Nathan Hubens在培训CNN时遇到了一些困难。
在使用在CIFAR10数据集上训练的VGG16模型进行实验的过程中,进行了50次迭代,最终发现该模型没有学到任何东西。
可以看出,模型的收敛速度极慢,存在振荡和过拟合。为什么会这样?
你有同样的疑虑吗?
小哥,这个分享得到了网友的感谢,激励了很多研究者。量子排序的要点如下:
实验本身
先看看创建模型的过程:
def ConvBlock(n_conv,n_out,shape,x,is_last=False):
对于范围内的I(conv北部):
x=Conv2D(n_out,形状,填充='相同',激活='relu')(x)
如果is_last: out=layers。global average pool2 d()(x)
else : out=MaxPool2 d()(x)
返回
输入=输入(形状=(32,32,3))
x=ConvBlock(2,64,(3,3),输入)
x=ConvBlock(2,128,(3,3),x)
x=ConvBlock(3,256,(3,3),x)
x=ConvBlock(3,512,(3,3),x)
x=ConvBlock(3,512,(3,3),x,is_last=True)
x=层数。密集(num _ classes,激活='softmax')(x)
该模型沿用了最初的VGG 16架构,但大部分完全连接的层已被移除,因此几乎只剩下卷积层。
最初的“事故现场”可能会受到几个操作步骤的影响。
当模型的学习过程中出现问题时,研究人员通常会检查梯度性能,得到网络各层的平均值和标准差:
def get_weight_grad(模型、数据、标签):
意思是=[]
stds=[]
grads=model . optimizer . get _ gradiets(model . total _ loss,model.trainable _ weights)
symb_inputs=(模型。_feed_inputs模型。_feed_targets模型。_进料_样品_重量)
f=K .函数(符号输入,梯度)
x,y,sample_weight=模型。_标准化_用户_数据(数据、标签)
output_grad=f(x y样本重量)
对于范围内的层(透镜(模型层)):
if model.layers[layer]。__类_ _。__name__=='Conv2D':
means . append(output _ grad[layer])。平均值())
stds.append(output_grad[layer])。std())
返回方式,stds
看看最后的统计数据:
结果有点出乎意料,也就是说这个模型几乎没有梯度。作者建议,可能有必要检查激活操作是如何沿着每一层进行的。
通过以下代码再次获得它们的平均值和标准偏差:
def get_stats(模型,数据):
意思是=[]
stds=[]
对于范围内的层(透镜(模型层)):
if model.layers[layer]。__类_ _。__name__=='Conv2D':
m=模型(模型.输入,模型.层[层]。输出)
pred=m.predict(数据)
means.append(pred.mean())
stds.append(pred.std())
返回方式,标准
s结果和之前不一样了:
这不就朝着正轨又迈进一步了。
这一步中,每个卷积层的梯度计算方式如下:
其中Δx和Δy分别表示∂L/∂x和∂L/∂y,这里用反向传播算法和链式法则计算梯度,也就是说,需要从最后一层开始,向后传播到到前面的层中。
如果最后一层激活函数的值接近于0时,梯度在任何地方都趋近于0,因此无法反向传播,网络也无法学习任何东西。
作者认为,因为自己的网络没有批归一化,没有Dropout,也没有数据扩充,所以猜测问题主要出在初始化这一步上。
他读了lcdlf此前的论文Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification,想看看能不能解开自己的疑惑。
论文地址:
https://arxiv.org/pdf/1502.01852.pdf
初始化方法
初始化一直是深度学习研究中的重要领域,特别是随着架构和非线性研究的不断发展,一个好的初始化方法可能决定着网络最终的质量。
lcdlf的论文中显示了初始化应具备的条件,也就是如何用ReLU激活函数正确将卷积网络初始化。这需要一点点数学基础,但也不难。
先考虑卷积层l的输出方式:
如何将偏差初始化为0,并假设权重w和元素x两者独立并且共享相同的分布,则:
其中n为k的平方乘c,通过独立变量乘积方差公式:
将上述公式变换为:
如果让权重w使它们的均值变成0,则输出:
利用König-Huygens特性:
最终输出:
因为用的时ReLU激活函数:
因此得到:
上述公式为单个卷积层输出的方差,若考虑网络中的所有层,需要得到它们的乘积:
有了乘积后可以看出,如果每层的方差不接近1,网络就会快速衰减。若小于1,则会朝0消散;若大于1,则激活值将无限增长。
若想拥有良好的ReLU卷积网络,需要遵循以下条件:
作者将标准初始化和使用自己的初始化方法的情况进行对比:
结果发现,使用Xavier/Glorot初始化训练的网络没有学习到任何东西。
在默认情况下,在Keras中,卷积层按Glorot正态分布进行初始化:
keras.layers.Conv2D(filters, kernel_size, strides=(1, 1), padding='valid', data_format=None, dilation_rate=(1, 1), activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None)如果将这种初始化方法替换成lcdlf的方法,会发生什么?
lcdlf的初始化方法
先重建VGG 16模型,将初始化改成he_uniform,在训练模型前检查激活和梯度。
通过这种初始化法,激活平均值为0.5,标准偏差为0.8。
有一些梯度出来了,也就是说明网络开始work了。按此方法训练新模型,得到了如下曲线:
现在还需要考虑下正则化的问题,但总体来说,结果已经比之前好很多了。
结论
在这篇文章中,作者证明了初始化是模型构建中的重要一部分,但在平时的训练过程中往往会被习惯性忽略。
此外还需要注意的是,即使是人气口碑机器学习库Keras,其中的默认设置也不能不加调试就拿来用。
传送门
最后,附上文章原文地址:
https://towardsdatascience.com/why-default-cnn-are-broken-in-keras-and-how-to-fix-them-ce295e5e5f2
— 完 —
诚挚招聘
量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态