4.5.1 范数与权重衰减
整节理论,详见书本。
4.5.2 高维线性回归
%matplotlib inline
import torch
from torch import nn
from d2l import torch as d2l
# 生成一些数据,为了使过拟合效果更明显,将维数增加到 200 并使用一个只包含 20 个样本的小训练集。
n_train, n_test, num_inputs, batch_size = 20, 100, 200, 5
true_w, true_b = torch.ones((num_inputs, 1)) * 0.01, 0.05 # 设置真实参数
train_data = d2l.synthetic_data(true_w, true_b, n_train)
train_iter = d2l.load_array(train_data, batch_size)
test_data = d2l.synthetic_data(true_w, true_b, n_test)
test_iter = d2l.load_array(test_data, batch_size, is_train=False)
4.5.3 从零开始实现
- 初始化模型参数
def init_params():
w = torch.normal(0, 1, size=(num_inputs, 1), requires_grad=True)
b = torch.zeros(1, requires_grad=True)
return [w, b]
- 定义 \(L_2\) 范数惩罚
def l2_penalty(w):
return torch.sum(w.pow(2)) / 2
-
定义训练代码实现
损失函数直接通过 d2l 包导入,损失包含了惩罚项。
def train(lambd):
w, b = init_params()
net, loss = lambda X: d2l.linreg(X, w, b), d2l.squared_loss
num_epochs, lr = 100, 0.003
animator = d2l.Animator(xlabel='epochs', ylabel='loss', yscale='log',
xlim=[5, num_epochs], legend=['train', 'test'])
for epoch in range(num_epochs):
for X, y in train_iter:
# 增加了L2范数惩罚项,
# 广播机制使l2_penalty(w)成为一个长度为batch_size的向量
l = loss(net(X), y) + lambd * l2_penalty(w)
l.sum().backward()
d2l.sgd([w, b], lr, batch_size)
if (epoch + 1) % 5 == 0:
animator.add(epoch + 1, (d2l.evaluate_loss(net, train_iter, loss),
d2l.evaluate_loss(net, test_iter, loss)))
print('w的L2范数是:', torch.norm(w).item())
- 忽略正则化直接训练
train(lambd=0)
w的L2范数是: 14.042692184448242
- 使用权重衰减
train(lambd=3)
w的L2范数是: 0.35160931944847107
4.5.4 简洁实现
def train_concise(wd):
net = nn.Sequential(nn.Linear(num_inputs, 1))
for param in net.parameters():
param.data.normal_()
loss = nn.MSELoss(reduction='none')
num_epochs, lr = 100, 0.003
trainer = torch.optim.SGD([
{"params":net[0].weight,'weight_decay': wd}, # PyTorch默认同时衰减权重和偏置,此处使用 weight_decay指定仅权重衰减
{"params":net[0].bias}], lr=lr)
animator = d2l.Animator(xlabel='epochs', ylabel='loss', yscale='log',
xlim=[5, num_epochs], legend=['train', 'test'])
for epoch in range(num_epochs):
for X, y in train_iter:
trainer.zero_grad()
l = loss(net(X), y)
l.mean().backward()
trainer.step()
if (epoch + 1) % 5 == 0:
animator.add(epoch + 1,
(d2l.evaluate_loss(net, train_iter, loss),
d2l.evaluate_loss(net, test_iter, loss)))
print('w的L2范数:', net[0].weight.norm().item())
train_concise(0)
w的L2范数: 12.836501121520996
train_concise(3)
w的L2范数: 0.3978956639766693
练习
(1)在本节的估计问题中使用 \(\lambda\) 的值进行实验。绘制训练精度和测试精度有关 \(\lambda\) 的函数图,可以观察到什么?
随着 \(\lambda\) 的增大可以改善过拟合的现象,但是 \(\lambda\) 过大也会影响收敛。
for i in (0, 2, 8, 32, 128, 256):
train_concise(i)
w的L2范数: 0.008308843709528446
(2)使用验证集来找最优值 \(\lambda\)。它真的是最优值吗?
不至于说是最优的,毕竟再怎么样验证集也和训练集分布有些许区别,只能说是比较接近最优值。
(3)如果我们使用 \(\sum_i|w_i|\) 作为我们选择的惩罚(\(L_1\)正则化),那么更新的公式会是什么样子?
如果使用 \(L_1\) 正则化则最小化预测损失和惩罚项之和为:
\[LR(\boldsymbol{w},b)=\frac{1}{n}\sum_{i=1}^n\frac{1}{2}(\boldsymbol{w}^T\boldsymbol{x}^{(i)}+b-y^{(i)})^2+\lambda\sum^n_{i=1}|w_i| \]\(L_1\) 范数有求导问题,在此,规定在不可导点 \(x=0\) 的导数为 0,则:
\[\boldsymbol{w}\gets\boldsymbol{w}-\eta\ \frac{\partial LR(\boldsymbol{w},b)}{\partial\boldsymbol{w}}=\boldsymbol{w}-\frac{\eta}{|B|}\sum_{i\in B}\boldsymbol{x}^{(i)}(\boldsymbol{w}^T\boldsymbol{x}^{(i)}+b-y^{(i)})-\lambda\ \eta\ \text{sign}(\boldsymbol{w}) \](4)我们知道 \(||\boldsymbol{w}||^2=\boldsymbol{w}^T\boldsymbol{w}\)。能找到类似的矩阵方程吗?(见 2.3.10 节中的弗罗贝尼乌斯范数)
弗罗贝尼乌斯范数时矩阵元素平方和的平方根:
\[||\boldsymbol{X}||_F=\sqrt{\sum^m_{i=1}\sum^n_{j=1}x^2_{ij}} \]和L2范数的平方相似,弗罗贝尼乌斯范数的平方:
\[||\boldsymbol{X}||_F^2=\boldsymbol{X}^T\boldsymbol{X} \](5)回顾训练误差和泛化误差之间的关系。除了权重衰减、增加训练数据、使用适当复杂度的模型,还有其他方法来处理过拟合吗?
Dropout暂退法、多种模型组合等
(6)在贝叶斯统计中,我们使用先验和似然的乘积,通过公式 \(P(w|x)\propto P(x|w)P(w)\) 得到后验。如何得到正则化的 \(P(w)\)?
以下参见王木头大佬的视频《贝叶斯解释“L1和L2正则化”,本质上是最大后验估计。如何深入理解贝叶斯公式?》
使用最大后验估计,令:
\[\begin{align} w&=\mathop{\arg\max}\limits_{w}P(w|x)\\ &=\mathop{\arg\max}\limits_{w}\frac{P(x|w)}{P(x)}\cdot P(w)\\ &=\mathop{\arg\max}\limits_{w}P(x|w)\cdot P(w)\\ &=\mathop{\arg\max}\limits_{w}\log(P(x|w)\cdot P(w))\\ &=\mathop{\arg\max}\limits_{w}(\log P(x|w)+\log P(w))\\ \end{align} \]其中:
- \((2)\Rightarrow(3)\) 是由于分母 \(P(x)\) 是与 \(w\) 无关的常数,故可以忽略。
- \((3)\Rightarrow(4)\) 是由于习惯上添加 \(\log\) 运算。
\(P(w)\) 作为先验概率可以任取
- 如果取高斯分布 \(w\sim\mathrm{N}(0,\sigma^2)\),则出现 \(L_2\) 正则化:
- 如果取拉普拉斯分布 \(w\sim\mathrm{Laplace}(0,b)\),则出现 \(L_1\) 正则化:
太奇妙了!
标签:4.5,loss,boldsymbol,Pytorch,train,d2l,net,范数,衰减 From: https://www.cnblogs.com/AncilunKiang/p/17681435.html