作者 | Andrej Karpathy

編譯 | AI有道

特斯拉人工智能部門主管 Andrej Karpathy 發(fā)布新博客，介紹神經(jīng)網(wǎng)絡(luò)訓(xùn)練的技巧。

Andrej Karpathy 是深度學(xué)習(xí)計(jì)算機(jī)視覺領(lǐng)域、與領(lǐng)域的研究員。博士期間師從李飛飛。在讀博期間，兩次在谷歌實(shí)習(xí)，研究在 Youtube 視頻上的大規(guī)模特征學(xué)習(xí)，2015 年在 DeepMind 實(shí)習(xí)，研究深度強(qiáng)化學(xué)習(xí)。畢業(yè)后，Karpathy 成為 OpenAI 的研究科學(xué)家，后于 2017 年 6 月加入特斯拉擔(dān)任人工智能與視覺總監(jiān)。

今日他發(fā)布的這篇博客能為深度學(xué)習(xí)研究者們提供極為明晰的洞見，在 Twitter 上也引發(fā)了極大的關(guān)注。

1. 誰(shuí)說(shuō)神經(jīng)網(wǎng)絡(luò)訓(xùn)練簡(jiǎn)單了？

很多人認(rèn)為開始訓(xùn)練神經(jīng)網(wǎng)絡(luò)是很容易的，大量庫(kù)和框架號(hào)稱可以用 30 行代碼段解決你的數(shù)據(jù)問(wèn)題，這就給大家留下了（錯(cuò)誤的）印象：訓(xùn)練神經(jīng)網(wǎng)絡(luò)這件事是非常簡(jiǎn)單的，不同模塊即插即用就能搭個(gè)深度模型。

簡(jiǎn)單的建模過(guò)程通常如下所示：

>>> your_data = # plug your awesome dataset here

>>> model = SuperCrossValidator(SuperDuper.fit, your_data, ResNet50, SGDOptimizer)# conquer world here

這些庫(kù)和示例令我們想起了熟悉標(biāo)準(zhǔn)軟件及模塊，標(biāo)準(zhǔn)軟件中通常可以獲取簡(jiǎn)潔的 API 和抽象。

例如 Request 庫(kù)的使用展示如下：

>>> r = requests.get('https://api.github.com/user', auth=('user', 'pass'))

>>> r.status_code200

酷！這些庫(kù)和框架的開發(fā)者背負(fù)起理解用戶 Query 字符串、url、GET/POST 請(qǐng)求、HTTP 連接等的大量需求，將復(fù)雜度隱藏在幾行代碼后面。這就是我們熟悉與期待的。

然而，神經(jīng)網(wǎng)絡(luò)不一樣，它們并不是現(xiàn)成的技術(shù)。我在 2016 年撰寫的一篇博客中試圖說(shuō)明這一點(diǎn)，在那篇文章中我認(rèn)為反向傳播是「leaky abstraction」，然而現(xiàn)在的情況似乎更加糟糕了。

Backprop + SGD 不是魔法，無(wú)法讓你的網(wǎng)絡(luò)運(yùn)行；批歸一化也無(wú)法奇跡般地使網(wǎng)絡(luò)更快收斂；RNN 也不能神奇地讓你直接處理文本。不要因?yàn)槟憧梢詫⒆约旱膯?wèn)題表示為強(qiáng)化學(xué)習(xí)，就認(rèn)為你應(yīng)該這么做。如果你堅(jiān)持在不理解技術(shù)原理的情況下去使用它，那么你很可能失敗。

2. 背著我不 work 的神經(jīng)網(wǎng)絡(luò)

當(dāng)你破壞代碼或者錯(cuò)誤配置代碼時(shí)，你通常會(huì)得到某種異常。你在原本應(yīng)該插入字符串的地方插入了整數(shù)；導(dǎo)入出錯(cuò)；該關(guān)鍵字不存在……此外，為了方便 debug，你還很可能為某個(gè)功能創(chuàng)建單元測(cè)試。

這還只是開始。訓(xùn)練神經(jīng)網(wǎng)絡(luò)時(shí)，有可能所有代碼的句法都正確，但整個(gè)訓(xùn)練就是不對(duì)?？赡軉?wèn)題出現(xiàn)在邏輯性（而不是句法），且很難通過(guò)單元測(cè)試找出來(lái)。

例如，你嘗試截?fù)p失度而不是梯度，這會(huì)導(dǎo)致訓(xùn)練期間的異常值被忽視，但語(yǔ)法或維度等檢測(cè)都不會(huì)出現(xiàn)錯(cuò)誤。又或者，你弄錯(cuò)了正則化強(qiáng)度、學(xué)習(xí)率、衰減率、模型大小等的設(shè)置，那么幸運(yùn)的話網(wǎng)絡(luò)會(huì)報(bào)錯(cuò)，然而大部分時(shí)候它會(huì)繼續(xù)訓(xùn)練，并默默地變?cè)恪?/span>

因此，「快速激烈」的神經(jīng)網(wǎng)絡(luò)訓(xùn)練方式?jīng)]有用，只會(huì)導(dǎo)致困難?，F(xiàn)在，這些經(jīng)驗(yàn)性困難是使神經(jīng)網(wǎng)絡(luò)正常運(yùn)行的攔路虎，你需要更加周密詳盡地調(diào)試網(wǎng)絡(luò)才能減少困難，需要大量可視化來(lái)了解每一件事。

在我的經(jīng)驗(yàn)中，深度學(xué)習(xí)成功的重要因素是耐心和注重細(xì)節(jié)。

如何解決

基于以上兩點(diǎn)事實(shí)，我開發(fā)了一套將神經(jīng)網(wǎng)絡(luò)應(yīng)用于新問(wèn)題的特定流程。該流程嚴(yán)肅地執(zhí)行了上述兩項(xiàng)原則：耐心和注重細(xì)節(jié)。

具體來(lái)說(shuō)，它按照從簡(jiǎn)單到復(fù)雜的方式來(lái)構(gòu)建，我們?cè)诿恳徊蕉紝?duì)即將發(fā)生的事作出準(zhǔn)確的假設(shè)，然后用實(shí)驗(yàn)來(lái)驗(yàn)證假設(shè)或者調(diào)查直到發(fā)現(xiàn)問(wèn)題。我們?cè)噲D盡力阻止大量「未經(jīng)驗(yàn)證的」復(fù)雜性一次來(lái)襲，這有可能導(dǎo)致永遠(yuǎn)也找不到的 bug／錯(cuò)誤配置。如果讓你像訓(xùn)練神經(jīng)網(wǎng)絡(luò)那樣寫它的代碼，你會(huì)想使用非常小的學(xué)習(xí)率，然后猜測(cè)，再在每次迭代后評(píng)估整個(gè)測(cè)試集。

1. 梳理數(shù)據(jù)

訓(xùn)練神經(jīng)網(wǎng)絡(luò)的第一步是不要碰代碼，先徹底檢查自己的數(shù)據(jù)。這一步非常關(guān)鍵。我喜歡用大量時(shí)間瀏覽數(shù)千個(gè)樣本，理解它們的分布，尋找其中的模式。幸運(yùn)的是，人類大腦很擅長(zhǎng)做這件事。有一次，我發(fā)現(xiàn)數(shù)據(jù)中包含重復(fù)的樣本，還有一次我發(fā)現(xiàn)了損壞的圖像／標(biāo)簽。我會(huì)查找數(shù)據(jù)不均衡和偏差。我通常還會(huì)注意自己的數(shù)據(jù)分類過(guò)程，它會(huì)揭示我們最終探索的架構(gòu)。比如，只需要局部特征就夠了還是需要全局語(yǔ)境？標(biāo)簽噪聲多大？

此外，由于神經(jīng)網(wǎng)絡(luò)是數(shù)據(jù)集的壓縮／編譯版本，你能夠查看網(wǎng)絡(luò)（錯(cuò)誤）預(yù)測(cè)，理解預(yù)測(cè)從哪里來(lái)。如果網(wǎng)絡(luò)預(yù)測(cè)與你在數(shù)據(jù)中發(fā)現(xiàn)的不一致，那么一定是什么地方出問(wèn)題了。

在你對(duì)數(shù)據(jù)有了一些感知之后，你可以寫一些簡(jiǎn)單的代碼來(lái)搜索／過(guò)濾／排序標(biāo)簽類型、標(biāo)注規(guī)模、標(biāo)注數(shù)量等，并沿任意軸可視化其分布和異常值。異常值通常能夠揭示數(shù)據(jù)質(zhì)量或預(yù)處理中的 bug。

2. 配置端到端訓(xùn)練/評(píng)估架構(gòu)、獲取基線結(jié)果

現(xiàn)在我們已經(jīng)理解了數(shù)據(jù)，那我們就可以開始構(gòu)建高大上的多尺度 ASPP FPN ResNet 并訓(xùn)練強(qiáng)大的模型了嗎？當(dāng)然還不到時(shí)候，這是一個(gè)充滿荊棘的道路。我們下一步需要構(gòu)建一個(gè)完整的訓(xùn)練、評(píng)估架構(gòu)，并通過(guò)一系列實(shí)驗(yàn)確定我們對(duì)準(zhǔn)確率的置信度。

在這個(gè)階段，你們最好選擇一些不會(huì)出錯(cuò)的簡(jiǎn)單模型，例如線性分類器或非常精簡(jiǎn)的 ConvNet 等。我們希望訓(xùn)練這些模型，并可視化訓(xùn)練損失、模型預(yù)測(cè)和其它度量指標(biāo)（例如準(zhǔn)確率）。當(dāng)然在這個(gè)過(guò)程中，我們還需要基于一些明確假設(shè)，從而執(zhí)行一系列對(duì)照實(shí)驗(yàn)（ablation experiments）。

該階段的一些技巧與注意事項(xiàng)：

• 固定隨機(jī) seed：始終使用固定的隨機(jī) seed 能保證很多屬性，例如在我們兩次運(yùn)行相同代碼時(shí)能得到相同的輸出。這能消除變化因子，從進(jìn)行合理的判斷。
• 簡(jiǎn)化：確保禁用不必要的技巧。例如，在這個(gè)階段肯定需要關(guān)閉數(shù)據(jù)增強(qiáng)。數(shù)據(jù)增強(qiáng)可以在后期引入，并作為一種強(qiáng)大的正則化策略。不過(guò)在這個(gè)階段引入的話，它就有機(jī)會(huì)帶來(lái)一些愚蠢的 bug。
• 使用多數(shù)據(jù)、少次數(shù)的驗(yàn)證評(píng)估：當(dāng)我們?cè)诶L制測(cè)試損失時(shí)，我們需要在整個(gè)比較大的測(cè)試集中執(zhí)行評(píng)估。不要過(guò)幾個(gè)批量就繪制一次測(cè)試損失，然后再依賴 TensorBoard 的平滑處理。我們雖然追求的是準(zhǔn)確率，但也要防止犯這些低級(jí)錯(cuò)誤。
• 在初始化中驗(yàn)證損失：驗(yàn)證你的損失函數(shù)在初始化中有比較合理的損失值。例如，如果你正確地初始化最終層，那么你應(yīng)該通過(guò)-log(1/n_classes) 度量初始化的 Softmax 值。L2 回歸和 Huber 損失函數(shù)等都有相同的默認(rèn)值。
• 優(yōu)秀的初始化：正確地初始化最終層。例如，如果你正在對(duì)均值為 50 的一些數(shù)據(jù)做回歸處理，那么初始化的最終偏置項(xiàng)就應(yīng)該為 50。如果你有一個(gè)非平衡數(shù)據(jù)集（兩類樣本數(shù) 1：10），那么就需要在 logits 上設(shè)置偏置項(xiàng)，令模型在初始化時(shí)預(yù)測(cè)概率為 0.1。正確配置這些偏置項(xiàng)將加快收斂速度，因?yàn)榫W(wǎng)絡(luò)在前面幾次迭代中基本上只在學(xué)習(xí)偏置。
• 人類基線結(jié)果：監(jiān)控?fù)p失值等其他度量指標(biāo)（例如準(zhǔn)確度），這些指標(biāo)應(yīng)該是人類能解釋并檢查的。盡可能評(píng)估你自己（人類）獲得的準(zhǔn)確率，并與構(gòu)建的模型做對(duì)比。或者對(duì)測(cè)試數(shù)據(jù)進(jìn)行兩次標(biāo)注，其中一次為預(yù)測(cè)值，另一次為標(biāo)注值。
• 獨(dú)立于輸入的基線結(jié)果：訓(xùn)練一個(gè)獨(dú)立于輸入的基線模型，例如最簡(jiǎn)單的方法就是將所有輸入都設(shè)置為 0。這樣的模型應(yīng)該比實(shí)際輸入數(shù)據(jù)表現(xiàn)更差，你的模型是否準(zhǔn)備好從任何輸入中抽取任何信息？
• 在批數(shù)據(jù)上過(guò)擬合：在單個(gè)批數(shù)據(jù)上使得過(guò)擬合（兩個(gè)或多個(gè)少樣本）。為此，我們需要增加模型擬合能力，并驗(yàn)證我們能達(dá)到的最低損失值（即 0）。我還想在同一張圖中顯示標(biāo)簽和預(yù)測(cè)值，并確保損失值一旦達(dá)到最小，它們就能完美地對(duì)齊了。
• 驗(yàn)證訓(xùn)練損失的下降：在這一階段，你可能希望在數(shù)據(jù)集上實(shí)現(xiàn)欠擬合，該階段的模型應(yīng)該是極簡(jiǎn)的。然后我們嘗試增加一點(diǎn)模型的擬合能力，再看看訓(xùn)練損失是否稍微下降了一些。
• 在輸入網(wǎng)絡(luò)前可視化：在運(yùn)行模型之前，我們需要可視化數(shù)據(jù)。也就是說(shuō)，我們需要可視化輸入到網(wǎng)絡(luò)的具體數(shù)據(jù)，即可視化原始張量的數(shù)據(jù)和標(biāo)簽。這是唯一的「真實(shí)來(lái)源」，我有很多次都是因?yàn)檫@個(gè)過(guò)程而節(jié)省了大量時(shí)間，并揭示了數(shù)據(jù)預(yù)處理和數(shù)據(jù)增強(qiáng)過(guò)程中的問(wèn)題。
• 可視化預(yù)測(cè)過(guò)程：我喜歡在訓(xùn)練過(guò)程中對(duì)一個(gè)固定的測(cè)試批數(shù)據(jù)進(jìn)行模型預(yù)測(cè)的可視化。這展示了預(yù)測(cè)值如何變化的過(guò)程，能為我們提供關(guān)于訓(xùn)練過(guò)程的優(yōu)秀直覺。很多時(shí)候，如果網(wǎng)絡(luò)以某種方式小幅度波動(dòng)，那么模型最可能在嘗試擬合數(shù)據(jù)，這也展示了一些不穩(wěn)定性。太低或太高的學(xué)習(xí)率也很容易注意到，因?yàn)槎秳?dòng)量比較大。
• 使用反向傳播繪制依賴性：你的深度學(xué)習(xí)代碼通常包括復(fù)雜的、矢量化的、Boardcast 操作。一個(gè)常見的 bug 是，人們會(huì)無(wú)意間使用 view 而不是 transpose/permute，從而混合了批量數(shù)據(jù)中的維度信息。然而，你的網(wǎng)絡(luò)仍然可以正常訓(xùn)練，只不過(guò)它們學(xué)會(huì)忽略了其它樣本中的數(shù)據(jù)。一種 debug 的方法是將某些樣本 i 的損失設(shè)置為 1.0，然后運(yùn)行反向傳播一直到輸入，并確保第 i 個(gè)樣本的梯度不為零。更一般的，梯度為我們提供了網(wǎng)絡(luò)中的依賴性關(guān)系，它們?cè)?debug 中非常有用。
• 一般化特殊案例：這是一種更為通用的代碼技巧，但是我經(jīng)?？吹饺藗?cè)谑褂眠@些技巧時(shí)會(huì)新產(chǎn)生 Bug，尤其是在從頭構(gòu)建一般函數(shù)時(shí)。相反，我喜歡直接寫非常具體的函數(shù)，它只包含我現(xiàn)在需要做的事情。我會(huì)先讓這個(gè)函數(shù)能 work，然后再一般化好函數(shù)，并確保能取得相同的結(jié)果。通常這個(gè)過(guò)程會(huì)體現(xiàn)在向量化代碼中，我會(huì)先用循環(huán)編寫某個(gè)過(guò)程，然后再一次一個(gè)循環(huán)地將它們轉(zhuǎn)化為向量化化代碼。

3. 過(guò)擬合

到了這個(gè)階段，我們應(yīng)該對(duì)數(shù)據(jù)集有所了解了，而且有了完整的訓(xùn)練+評(píng)估流程。對(duì)于任何給定的模型，我們可以計(jì)算出我們信任的度量。而且還為獨(dú)立于輸入的基線準(zhǔn)備了性能，一些 dumb 基線的性能（最好超過(guò)這些），我們?nèi)祟惖谋憩F(xiàn)有大致的了解（并希望達(dá)到這一點(diǎn)）。現(xiàn)在，我們已經(jīng)為迭代一個(gè)好的模型做好了準(zhǔn)備。

我準(zhǔn)備用來(lái)尋找好模型的方法有兩個(gè)階段：首先獲得足夠大的模型，這樣它能夠過(guò)擬合（即關(guān)注訓(xùn)練損失），然后對(duì)其進(jìn)行適當(dāng)?shù)恼齽t化（棄掉一些訓(xùn)練損失以改進(jìn)驗(yàn)證損失）。我喜歡這兩個(gè)階段的原因是，如果我們不能用任何模型實(shí)現(xiàn)較低的誤差率，則可能再次表明一些問(wèn)題、bug 和配置錯(cuò)誤。

該階段的一些技巧與注意事項(xiàng)：

• 選擇模型：為了達(dá)到理想的訓(xùn)練損失，我們可能希望為數(shù)據(jù)選擇一個(gè)合適的架構(gòu)。當(dāng)我們?cè)谔暨x模型時(shí)，我的第一個(gè)建議即別好高騖遠(yuǎn)。我看到很多人都非?？释婚_始就堆疊一些新的模塊，或創(chuàng)造性地用于各種異質(zhì)架構(gòu)，從而想一步到位做好。我建議可以找最相關(guān)的論文，并直接利用它們的簡(jiǎn)單架構(gòu)，從而獲得良好性能。后面再基于這個(gè)架構(gòu)做修改和改進(jìn)，并將我們的想法加進(jìn)去就行了。
• Adam 是一般選擇：在配置基線模型地早期階段，我喜歡使用 Adam 算法（學(xué)習(xí)率為 3e-4）。在我的經(jīng)驗(yàn)中，Adam 對(duì)超參數(shù)的容忍度更高，不太好的學(xué)習(xí)率也能獲得一般的效果。對(duì)于卷積網(wǎng)絡(luò)來(lái)說(shuō)，一般經(jīng)過(guò)仔細(xì)調(diào)整的 SGD 幾乎總會(huì)略優(yōu)于 Adam，但最佳學(xué)習(xí)率的可能區(qū)域要窄得多。
• 一次復(fù)雜化一個(gè)：如果你有多個(gè)特性插入分類器，我建議你一個(gè)個(gè)插入，從而確保能獲得期待的性能提升。不要在最開始時(shí)就一次性全加上，這樣你會(huì)弄不清楚性能提升到底是哪個(gè)特性帶來(lái)的。還有其它增加復(fù)雜性的方法，例如你可以先嘗試插入較小的圖像，然后再慢慢地加大。
• 別相信默認(rèn)的學(xué)習(xí)率衰減：如果你修改來(lái)自其它領(lǐng)域的代碼，你應(yīng)該小心使用學(xué)習(xí)率衰減方法。對(duì)于不同問(wèn)題，你不僅希望使用不同的衰減策略，同時(shí)因?yàn)?Epoch 的數(shù)量不同，衰減過(guò)程也會(huì)不一樣。例如數(shù)據(jù)集的大小，會(huì)影響 Epoch 的數(shù)量，而很多學(xué)習(xí)率衰減策略是直接與 Epoch 相關(guān)的。在我自己的工作中，我經(jīng)常整個(gè)地關(guān)閉學(xué)習(xí)率衰減，即使用常數(shù)學(xué)習(xí)率。

4. 正則化

理想情況下，我們現(xiàn)在至少有了一個(gè)擬合訓(xùn)練集的大模型?，F(xiàn)在是時(shí)候?qū)λM(jìn)行正則化，并通過(guò)放棄一些訓(xùn)練準(zhǔn)確率來(lái)提升驗(yàn)證準(zhǔn)確率了。技巧包括：

• 更多數(shù)據(jù)：首先，在當(dāng)前任何實(shí)際環(huán)境中正則化模型的最好方式是增加更多真實(shí)的訓(xùn)練數(shù)據(jù)。在你能收集更多數(shù)據(jù)時(shí)，花費(fèi)大量工程時(shí)間試圖從小數(shù)據(jù)集上取得更好結(jié)果是很常見的一個(gè)錯(cuò)誤。我認(rèn)為增加更多數(shù)據(jù)是單調(diào)提升一個(gè)較好配置神經(jīng)網(wǎng)絡(luò)性能的唯一可靠方式。
• 數(shù)據(jù)增強(qiáng)：比真實(shí)數(shù)據(jù)較次的方法是半假數(shù)據(jù)，試驗(yàn)下更激進(jìn)的數(shù)據(jù)增強(qiáng)。
• 創(chuàng)造性增強(qiáng)：如果半假數(shù)據(jù)也沒(méi)有，假數(shù)據(jù)也還可以。人們?cè)趯で髷U(kuò)展數(shù)據(jù)集的創(chuàng)造性方法。例如，域隨機(jī)化、使用模擬數(shù)據(jù)、把數(shù)據(jù)插入場(chǎng)景這樣機(jī)智的混合方法，甚至可以用 GAN。
• 預(yù)訓(xùn)練：即使你有足夠的數(shù)據(jù)，你也可以使用預(yù)訓(xùn)練網(wǎng)絡(luò)，基本沒(méi)什么損失。
• 堅(jiān)持監(jiān)督式學(xué)習(xí)：不要對(duì)無(wú)監(jiān)督學(xué)習(xí)過(guò)于激動(dòng)。據(jù)我所知，沒(méi)有什么無(wú)監(jiān)督學(xué)習(xí)方法在當(dāng)前計(jì)算機(jī)視覺任務(wù)上有很強(qiáng)的結(jié)果（盡管 NLP 領(lǐng)域現(xiàn)在有了 BERT 和其他類似模型，但這更多歸功于文本更成熟的本質(zhì)以及對(duì)噪聲比更好的信號(hào)）。
• 更小的輸入維度：移除可能包含假信號(hào)的特征。如果你的數(shù)據(jù)集很小，任何加入的假輸入只會(huì)增加過(guò)擬合的可能。類似地，如果低級(jí)細(xì)節(jié)作用不大，試試輸入更小的圖像。
• 更小的模型：在許多情況下，你可以在網(wǎng)絡(luò)上使用域知識(shí)約束來(lái)降低模型大小。例如，在 ImageNet 主干網(wǎng)絡(luò)頂部使用全連接層一度很流行，但它們后來(lái)被簡(jiǎn)單的平均池化取代，消除了這一過(guò)程中大量的參數(shù)。
• 減小批大?。河捎?BN 基于批量大小來(lái)做歸一化，較小的批量大小具有更強(qiáng)的正則化效果。這主要因?yàn)橐粋€(gè)批量的統(tǒng)計(jì)均值與標(biāo)準(zhǔn)差是實(shí)際均值和標(biāo)準(zhǔn)差的近似，所以縮放量和偏移量在小批量?jī)?nèi)波動(dòng)地更大。
• drop：增加 dropout。在卷積網(wǎng)絡(luò)上使用 dropout2d（空間 dropout）。保守謹(jǐn)慎的使用 dropout，因?yàn)樗鼘?duì) batch 歸一化好像不太友好。
• 權(quán)重衰減：增加權(quán)重衰減懲罰。
• 早停（early stopping）：基于你得到的驗(yàn)證損失停止訓(xùn)練，從而在即將過(guò)擬合之前獲取模型。
• 嘗試更大的模型：我過(guò)去多次發(fā)現(xiàn)更大模型最終都會(huì)很大程度的過(guò)擬合，但它們「早?！购蟮男阅芤刃∧Ｐ秃玫枚唷?/span>

最后，為了更加確保網(wǎng)絡(luò)是個(gè)合理的分類器，我喜歡可視化網(wǎng)絡(luò)第一層的權(quán)重，確保自己獲得了有意義的邊緣。如果第一層的濾波器看起來(lái)像噪聲，那需要去掉些東西。類似地，網(wǎng)絡(luò)內(nèi)的激活函數(shù)有時(shí)候也會(huì)揭示出一些問(wèn)題。

5. 精調(diào)

現(xiàn)在你應(yīng)該位于數(shù)據(jù)集一環(huán)，探索取得較低驗(yàn)證損失的架構(gòu)模型空間。這一步的一些技巧包括：

• 隨機(jī)網(wǎng)格搜索：在同時(shí)精調(diào)多個(gè)超參數(shù)時(shí)，使用網(wǎng)格搜索聽起來(lái)更誘惑，能夠確保覆蓋到所有環(huán)境。但記住，使用隨機(jī)搜索反而是最佳方式。直觀上，因?yàn)?a href='/map/shenjingwangluo/' style='color:#000;font-size:inherit;'>神經(jīng)網(wǎng)絡(luò)對(duì)一些參數(shù)更為敏感。在極限情況下，如果參數(shù) a 很重要，改變 b 卻沒(méi)有影響，然后相比于多次在固定點(diǎn)采樣，你寧可徹底采樣 a。
• 超參數(shù)優(yōu)化：如今社區(qū)內(nèi)有大量好的貝葉斯超參數(shù)優(yōu)化工具箱，我的一些朋友用過(guò)后覺得很成功。但我的個(gè)人經(jīng)驗(yàn)是，探索好的、寬的模型空間和超參數(shù)的最佳方法是找個(gè)實(shí)習(xí)生。開玩笑而已，哈哈哈。

6. 最后的壓榨

一旦你找到最好的架構(gòu)類型和超參數(shù)，依然可以使用更多的技巧讓系統(tǒng)變得更好：

• 集成：模型集成是能將準(zhǔn)確率穩(wěn)定提升 2% 的一種好方式。如果你承擔(dān)不起測(cè)試階段的計(jì)算成本，試著使用《Distilling the Knowledge in a Neural Network》中的方法把你的模型蒸餾到一個(gè)網(wǎng)絡(luò)。
• 一直訓(xùn)練：我經(jīng)?？吹揭恍┤嗽隍?yàn)證損失趨平時(shí)會(huì)中斷模型訓(xùn)練，以我的經(jīng)驗(yàn)來(lái)看，網(wǎng)絡(luò)會(huì)長(zhǎng)時(shí)間保持非直觀的訓(xùn)練。寒假時(shí)有一次我忘了關(guān)掉模型訓(xùn)練，一月回來(lái)后發(fā)現(xiàn)它取得了 SOTA 結(jié)果。

結(jié)論

一旦你做到了這些，你就具備了成功的所有要素：對(duì)神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)集和問(wèn)題有了足夠深的了解，配置好了完整的訓(xùn)練/評(píng)估體系，取得高置信度的準(zhǔn)確率，逐漸探索更復(fù)雜的模型，提升每一步的表現(xiàn)。現(xiàn)在萬(wàn)事俱備，就可以去讀大量論文，嘗試大量實(shí)驗(yàn)并取得 SOTA 結(jié)果了。