如何优化代码

1. 诊断步骤：检查训练数据上的损失 ($L_{\text{train}}$)

首先检查模型在训练集上的表现。

Ltrain	问题方向	诊断结果	解决方案
很大 (large)	1. 模型偏差 (model bias) / 欠拟合 (Underfitting)	模型过于简单，表达能力不足。	使模型更复杂
很大 (large)	2. 优化问题 (optimization)(比如说是梯度下降不管用)	模型理论上能拟合，但优化器未能找到好的权重。	调整优化器参数
很小 (small)	→ 进入下一步：检查测试损失。	模型已学会训练集数据。	-

2. 诊断步骤：检查测试数据上的损失 ($L_{\text{test}}$)

如果 $L_{\text{train}}$ 很小，接着检查模型在测试集上的泛化能力。

Ltest	问题诊断	解决方案
很大 (large)	1. 过拟合 (overfitting)	模型过度学习训练集细节和噪声。
很大 (large)	2. 错配 (mismatch)	训练集和测试集的数据分布不一致。
很小 (small)	模型表现良好 😊	-

总结

• 欠拟合 (高偏差) 的解决方案是使模型复杂。

• 过拟合 (高方差) 的解决方案是使模型简单。

• 在两者之间寻找平衡是深度学习调参的关键。

模型的弹性：

一个有弹性的模型不会因为一点点噪声就崩溃或做出荒谬的预测，它能持续稳定地在各种复杂和变化的环境中提供有用的结果。

如何处理过拟合

1.数据层面

• 增加训练数据 (More Training Data): 这是最可靠的方法，直接提供更多、更具普遍性的样本，迫使模型学习更抽象的特征。

• 数据增强 (Data Augmentation): 通过对现有数据进行系统性变换（如图像的旋转、裁剪、色彩变换等），人工扩展训练集的规模和多样性。

2.模型层面

K折交叉验证

K 折交叉验证的基本步骤如下：

1. 划分数据集

将整个可用的数据集（通常是训练集和验证集的总和，不包括测试集）随机地分成 $K$ 个大小相等的子集（或称“折”/“Fold”）。

2. 进行 K 次循环训练

进行 $K$ 次独立的模型训练和评估循环：

• 验证集 (Validation Set): 在第 $i$ 次循环中，将第 $i$ 个子集作为验证集。
• 训练集 (Training Set): 将剩下的 $K-1$ 个子集合并起来作为训练集，用于训练模型。

3. 性能平均

每次循环都会得到一个性能指标（例如准确率、损失值等）。最终，模型在交叉验证下的性能就是这 $K$ 次结果的平均值。

4.优势

• 更可靠的性能评估： 由于每个数据点都恰好被用于验证一次，并且被用于训练 $K-1$ 次，因此它可以更充分地利用数据，减少了由于随机划分导致的评估偏差。

• 减少过拟合风险的估计： 它可以更好地估计模型在面对新数据时的泛化能力。

• 数据利用率高： 在数据集规模较小时尤其有用，它能确保所有数据点都被用于验证。

模型优化失败原因

当梯度 ($\nabla J(\theta)$) 接近或等于零时，优化器会遇到以下两种主要类型的临界点(critical point)：

• 局部最小值 (local minima):
  • 描述: 损失曲面中的一个凹陷点，该点的损失值大于全局最小值。
  • 影响: 算法到达此点后，梯度为零，参数停止更新，模型被困在一个次优解。
• 鞍点 (saddle point):
  • 描述: 损失曲面中的一个点，其梯度也为零，但在某些维度上是向下凸的，而在其他维度上是向上凹的（形状像马鞍）。
  • 影响: 在高维空间中鞍点非常常见。算法可能会被困在此点，或者如果使用小批量 SGD 等带有随机性的方法，可能会缓慢地逃离。

如何分辨

泰勒级数近似的核心思想是：在某个点a附近，可以用一个多项式来逼近一个复杂的函数。

比如：$$f(x) = f(a) + f'(a)(x-a) + \frac{f''(a)}{2!}(x-a)^2 $$，x是a附近的点。

当梯度为0，$$ f'(a)(x-a)$$为0，就可以去看$$f(x) = f(a) + \frac{f''(a)}{2!}(x-a)^2 $$，如上图。

Batch和Momentum

1. Small Batch和Large Batch

• Batch 大 → 梯度更稳定 smoother，收敛稳定（不乱跳）

• Batch 小 → 梯度噪声大，训练不稳定，但更容易跳出局部最优

超大 batch 会让梯度太准确、太稳定，失去了随机扰动。模型容易陷入 sharp minima、泛化能力变差，而且更新频率更低，学习率调整困难，因此优化效果反而不好。

小 batch 会引入梯度噪声，这种噪声是一种“隐式正则化”，帮助模型找到对测试集更友好的平坦解（flat minima），因此泛化更好。

2. Momentum

Momentum = 梯度下降 + “惯性”

把过去的方向也考虑进去，让更新更有惯性、更平滑。

客制化的LR

一开始大胆试、后期谨慎走

学习率大 → 学得快，但不稳定

学习率小 → 稳定但慢

1. 自动调节学习率(Root Mean Square)

• RMSProp

  $g_i^t$：当前梯度

  $\sigma_i^t$：最近一段时间梯度能量的“RMS 值”

  $\alpha$：衰减系数，一般 0.9

• Adam = Momentum + RMSProp

2. 学习率调度(Learning Rate Scheduling)

• Learning Rate Decay

  每隔固定 epoch，把 LR 降低。

  ✔ 非常平滑

• Warm up

  训练一开始不要突然用大 LR，先慢慢升上去。

  ✔ Transformer、中大型模型标配 ✔ 防止训练初期 loss 爆炸

分类(Classification)

1. Softmax

softmax是深度学习里 把一组数变成“概率分布” 的函数。

它能把任意实数向量转换成：

• 所有值都在 0 到 1 之间
• 所有值加起来 = 1
• 越大的值变成越大的概率

$\text{softmax}(z_i) = \frac{e^{z_i}}{\sum_{j=1}^{n} e^{z_j}}$

2. 分类问题的Loss

• MSE（均方误差）

  $$\text{MSE} = \frac{1}{n} \sum_{i=1}^{n} (y_i' - \hat{y}_i)^2$$

  当 sigmoid 输出接近 0 或 1 时，MSE 的梯度极小，在分类任务中非常差！

  回归用 MSE，因为它直接衡量数值差距。

• Cross-Entropy（交叉熵）

  $$\text{CE} = - \sum_{i=1}^{C} \hat{y}_i \ln(y_i')$$

  分类用 CE，因为它对概率敏感、梯度稳定、训练快；

贡献者

salt235

上一页cnn

下一页ML_Note