设置 BatchSize BatchSize 是非常重要的超参数，它不仅影响训练速度，也影响模型精度。本篇来讨论如何选择 BatchSize。 BatchSize 是否越大越好？ BatchSize 一般指同时代入训练模型的实例个数，最直接的经验是如果 GPU 显存不大，又设置较大的 BatchSize 时直接报错“cuda runtime error(2): out of memory”。 是不是只要机器性能允许，就要设置尽可能大的 Batch size 呢？同时训练多个实例比逐个代入单个实例训练速度又能提高多少？ 下图为使用不同的 batchSize，在 LeNet 上训练 mnist 数据的效果，使用的框架为 Theano。 可以看到，使用较大的 batchSize 的确可以提速，但是 batchSize 大到一定程度后，效果并不十分明显。 从图中可以看到如果将所有数据全部代入一次迭代（左图），则在训练集上的代价函数下降比较平滑，如果切分成多个 Batch，代价函数不一定是下降的。这是由于每一个 Batch 中数据的难度不同，造成了代价函数忽大忽小。 如何选择 batch 大 ...

避免过拟合 欠拟合和过拟合 欠拟合是指在训练集和测试集（或验证集）上模型效果都不好，一般由于模型能力不足导致；过拟合是指模型在训练集上表现好，而在测试集上表现不好，一般由于模型过度拟合了训练集中的噪声导致。本文主要讨论解决过拟合问题的方法。 L2 正则化 无论机器学习还是深度学习，L2 正则化项都用于限制参数 W 过大，它被累加在代价函数之中。 代价函数Ｊ除了计算每个实例的误差Ｌ，还加入网络中每层参数Ｗ的 2 范数的平方，并用λ作为参数，当λ较大时，就需要Ｗ接近０，才能得到较小的代价函数，这样一些无关紧要的参数就变成了０，从而减少了模型的复杂度，以及压缩后模型的规模。另外，较小的Ｗ也使层之间传递的数据变小，这样在使用 sigmoid 和 tanh 激活函数时，数据刚好集中在中间类似线性变换的一段，使非线性变换的结果类似线性变换。由于多个线性组合叠加相当于单个线性层，因此也倾向于简化模型。 如果使用 L1 正则化，参数矩阵将变得稀疏，根据经验，一般 L2 效果更好。L2 正则化方法可用于简化决策，但不适用于需要复杂决策的问题。使用该方法时，需要尝试多个λ值。 Dropout 方法 Dr ...

初始化网络参数 #深度学习 为什么要给网络参数赋初值 既然网络参数通过训练得到，那么其初值是否重要？设置初值不佳是否只影响收敛速度而不影响模型结果？网络参数是否可以设置为全 0 或者全 1？ 假设网络的参数Ｗ初值都是０，如下图所示，无论输入任何Ｘ，第一层的输出Ａ将都为０，再向前传递到 y 也是 0，使用误差函数调参时，每一层的梯度只与该层的输入和输出有关，由于 a1,a2 值相等，计算出的梯度调整的值，以及调整后的梯度也相等；第二次迭代也同理，由于 a1,a2 相等，w[2]中各单元的值也相等。因此该层有 100 个单元与 1 个单元没有差异，该问题被称为“对称性”问题。 试想将 w 设置成全 1，则有 a1=x1+x2，a2=x1+x2，a1 与 a2 值仍然相同，对称性问题依然存在。由此，一般将参数设置为随机值。 设置成随机值还不够，还需要设置成较小的随机值，试想如果 w 的均值在 0.5 附近，某一层的输入输出都为 500 个元素，那么经过该层乘和加的运算，输出约是输入值的 250 倍；如果存在多层，250x250x…，很快就爆炸了。如果在层后使用 Sigmoid 函数，将值映 ...

激活函数 为什么使用激活函数 如果没有激活函数，神经网络就变成了线性模型，输出是输入的线性组合，使用一层与使用多层没有区别。如下式所示，输入为 x，经过线性层计算出 a1，将 a1 输入下个线性层得到 a2，展开后可以看出，最终得到的仍然是 wx+b 的线性组合，只是参数值不同。 图片.png 另外，线性层无法解决非线性问题，如在预测房价问题中，如果不使用激活函数，则房价可能计算成负值，这也与实际不符。理论上，加了激活函数后，模型可以逼近任意函数。 激活函数又分线性激活函数和非线性激活函数，一般使用的都是非线性激活函数，线性激活函数与线性层类似，只在输出层偶尔使用，不在此展开讨论。 何时使用激活函数 激活函数一般放置在线性变换之后，在线性变换和激活函数之间，常常插入归一化层，用于解决饱和的非线性激活函数问题（下面 Sigmoid 函数部分详细说明）。 如何选择激活函数 从一些当前流行的深度学习网络代码中，可以看到，当前使用的激活函数绝大部分是 ReLU；在一些特殊情况下，也使用 Sigmoid，比如二分类问题的最后一层使用 Sigmoid 将输出转换到 0-1 之间；又如使用注意 ...

浅析梯度迭代算法 梯度迭代类算法已成为目前各种领域的主流算法。各种现实中的问题分解抽象成机器可以处理的形式之后，基本都可归类为图像、自然语言处理、决策、时序、强化学习这几种类型，而当今解决这些问题的顶尖算法中，梯度迭代（梯度上升或梯度下降）都占据主流地位，比如决策类问题的比赛中，梯度下降决策树 GBDT 类算法是完全的主流，使用深度学习网络处理图片自然语言问题更毋庸置疑。 那么，梯度迭代算法究竟是什么？简单地说，就是代入数据，预测结果，如果结果偏大就调小参数，结果偏小就调大参数。举一个简单的例子，分为三个小问题： 问题一 假设父亲的智商影响儿子的智商，设父亲的智商为ｘ，儿子的智商为ｙ，y=wx，训练一个参数 w 学习二者之间的关系。目前有多个父子智商数据对，其中第一个数据：父亲智商 x=100，儿子智商 w=110，将 w 初值设为 w=1.0；学习率设为 0.00001，计算平均误差。 如下程序用于学习 w。 123456789101112131415161718192021import torch import matplotlib.pyplot as plt %matplo ...

Pytorch 常用函数之一 _ 数据类型 #Pytorch 编程语言和自然语言一样，不理解的词越多，对全文的理解就越差。掌握必要的基础知识，让后期看代码更加流畅。 机器学习需要掌握数据处理工具 Pandas、Numpy，同理，深度学习也需要掌握相应的工具，在 Pytorch 中数据存储在 Tensor 之中，本篇将介绍它们的基本用法以及与之相关的常用函数。 查看版本信息 包含头文件 11. import torch 1．查看 torch 版本 11. print(torch.__version__) 2．查看 CUDA 版本 11. print(torch.version.cuda) GPU 相关操作 1. 查看当前是否支持 GPU 11. device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') 2．GPU 相关的数据转换 123451. a = torch.Tensor([5]) 2. b = a.to('cuda') # ...

搭建深度学习的 docker 环境 介绍 深度学习一般依赖比较复杂的环境，每个项目需要的底层库各有不同，有时在 github 中下载的代码只能运行在版本较低的的工具链之上。想在一台机器上建立适合所有项目的环境非常困难，大多数情况下使用 docker 维护不同项目针对的不同环境。 CUDA 是 NVIDIA 推出的运算平台，一般通过它调用 GPU，CUDA 的主要版本有 7.x, 8.x,9.x,10.x，目前最常用的是 9 和 10，它们对接的上层软件版本也各不相同。如： 1234torch 1.1.0/1.1.0 + torchvision 0.2.* + CUDA 9torch 1.2.0/1.3.0 + torchvision 0.3.* + CUDA 10torch 1.2.0/1.3.0 + torchvision 0.4.* + CUDA 10torch 1.4.0 + torchvision 0.5.* + CUDA 10 除了 CUDA 基础库以外，还需安装相关工具包。可以在同一个操作系统中安装多个 CUDA 版本，使用时切换即可。 在 Docker 中使用 GPU 除 ...

TorchVision #Pytorch #图形图像 说明 很多基于 Pytorch 的工具集都非常好用，比如处理自然语言的 torchtext，处理音频的 torchaudio，以及处理图像视频的 torchvision。 torchvision 包含一些常用的数据集、模型、转换函数等等。当前版本 0.5.0 包括图片分类、语义切分、目标识别、实例分割、关键点检测、视频分类等工具，如 mask-rcnn 功能也都包含在内了。mask-rcnn 的 pytorch 版本最高支持 torchvision 0.2.*，0.3.0 之后就将 mask-rcnn 包含到 tensorvision 之中了。 安装 torchvision 安装非常方便。$ pip install torchvision 但需要注意版本匹配： 1234torch 1.1.0/1.1.0 + vision 0.2.* + CUDA 9torch 1.2.0/1.3.0 + vision 0.3.* + CUDA 10torch 1.2.0/1.3.0 + vision 0.4.* + CUDA 10torch 1.4 ...

Pytorch 提取不同层次图片的特征 #图形图像 #Pytorch 下例使用 torchvision 库提取了 resnet 最后一层的卷积特征；resnet 各 block 的卷积特性，以及金字塔特性。 具体取哪一层特征视使用场景而定，resnet 各 block 的输出包含更丰富的特征；从 resnet 最后一层提取的特征更为抽象；fpn 每层通道数相等，含义也类似，可以在多层之间比较。 123456789101112131415161718192021222324252627import osimport torchvision.models.detection.backbone_utils as backbone_utilsimport torchvisionimport torch.nn as nndevice = 'cuda'os.environ["TORCH_HOME"] = '/notebooks/data/mine/live/code_v7/model/'USE_FPN = Trueif USE_FPN: ...

Pytorch 避免更新模型梯度 #Pytorch 1. torch.no_grad (1) 用法 12with torch.no_grad(): 具体操作 (2) 说明 上例的“具体操作”中均不更新梯度，这样可以节约计算时间和内存。一般用于验证或者测试阶段。 2. param.requires_grad (1) 用法 1p.requires_grad=False (2) 说明 一般用于将某一层设置为不自动更新梯度，以避免训练模型时对该层调参。 3. model.eval (1) 用法 12model.eval()具体操作 (2) 说明 模型支持 train 模式和 eval 模式，在使用模型之前调用 model.eval()，进入 eval 评估模型，它将改变 forward，如禁止 dropout，并用统计数据做 batch norm。因此，有时 train 模式和 eval 模式模型计算的结果不同。