抑制过拟合——Dropout原理

news2024/11/16 1:15:54

抑制过拟合——Dropout原理

Dropout的工作原理
实验观察

在机器学习领域，尤其是当我们处理复杂的模型和有限的训练样本时，一个常见的问题是过拟合。简而言之，过拟合发生在模型对训练数据学得太好，以至于它捕捉到了数据中的噪声和误差，而不仅仅是底层模式。具体来说，这在神经网络训练中尤为常见，表现为在训练数据上表现优异（例如损失函数值很小，预测准确率高）而在未见过的数据（测试集）上表现不佳。

过拟合不仅是机器学习新手容易遇到的问题，即使是经验丰富的从业者也会面临这一挑战。一个典型的解决方案是采用模型集成技术，这涉及训练多个模型并将它们的预测结合起来。但这种方法的缺点是显而易见的：它既耗时又昂贵，不仅在训练阶段，而且在模型评估和部署时也是如此。

在这种背景下，Dropout 作为一种有效的正则化技术，可以显著减轻过拟合问题。它的基本原理是在每次训练迭代中随机“丢弃”（即暂时移除）网络中的一部分神经元。这种方法不仅简单，而且被证明在许多情况下都非常有效。

Dropout的工作原理

在 PyTorch 中，Dropout 层的使用相当直观。通常，它被添加到神经网络的各个层之间，如下所示：

torch.nn.Dropout(p=0.5, inplace=False)

p：这是一个关键参数，代表着每个神经元被丢弃的概率。

在实践中，这意味着对于网络中的每个神经元，它在每次训练迭代中都有 $1 - p$ 的概率被保留， $p$ 的概率被丢弃。值得注意的是，这种随机性确保了每个mini-batch都在对不完全相同的网络进行训练，从而减少过拟合的风险。

在训练期间，对于每个训练样本，网络中的每个神经元都有概率 $1 - p$ 被保留，概率 $p$ 被丢弃。如果神经元被保留，则其输出乘以 $\frac{1}{1-p}$ （这样做是为了保持该层输出的总期望值不变）。设 $r_j$ 为一个随机变量，它对应于第 $j$ 个神经元，且服从伯努利分布（即 $r_j = 1$ 的概率为 $1 - p$ ， $r_j = 0$ 的概率为 $p$ ）。那么在训练时，神经元的输出 $y_j$ 变为 $r_j \times y_j / (1-p)$ 。

为什么需要保持期望不变？ 举个简单的例子，假设某层有两个神经元，它们的输出在没有dropout时都是1。在应用了50%的dropout后，期望只有一个神经元被激活，输出为1，另一个被丢弃，输出为0。这样，这层的平均输出变成了0.5。为了保持输出的总期望值不变，激活的神经元的输出应该乘以2，即 $\frac{1}{1-p}$ ，这样平均输出才能保持为1，与没有应用dropout时相同。这样的处理有助于保持整个网络的稳定性和一致性。

在模型预测（或测试）阶段，所有的神经元都保持激活（即不进行dropout）。因为在训练阶段，神经元的输出已经被放大了 $\frac{1}{1-p}$ 倍，所以在预测时不需要进行任何调整，直接使用网络进行前向传播即可。

在这里插入图片描述

实验观察

为了更深入地理解 Dropout 的影响，我们可以通过一个实验来观察不同的 Dropout 设置对训练过程的影响。比如，可以比较 Dropout = 0.1 和 Dropout = 0 在训练过程中的表现差异，相关代码实现如下：

import torch
from tensorboardX import SummaryWriter
from torch import optim, nn
import time


class Model(torch.nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.linears = nn.Sequential(
            nn.Linear(2, 20),

            nn.Linear(20, 20),
            nn.Dropout(0.1),

            nn.Linear(20, 20),

            nn.Linear(20, 20),

            nn.Linear(20, 1),
        )

    def forward(self, x):
        _ = self.linears(x)
        return _

lr = 0.01
iteration = 1000


x1 = torch.arange(-10, 10).float()
x2 = torch.arange(0, 20).float()
x = torch.cat((x1.unsqueeze(1), x2.unsqueeze(1)), dim=1)
y = 2*x1 - x2**2 + 1

model = Model()
optimizer = optim.Adam(model.parameters(), lr=lr, weight_decay=0.01)
loss_function = torch.nn.MSELoss()

start_time = time.time()
writer = SummaryWriter(comment='_随机失活')

for iter in range(iteration):
    y_pred = model(x)
    loss = loss_function(y, y_pred.squeeze())
    loss.backward()

    for name, layer in model.named_parameters():
        writer.add_histogram(name + '_grad', layer.grad, iter)
        writer.add_histogram(name + '_data', layer, iter)
    writer.add_scalar('loss', loss, iter)

    optimizer.step()
    optimizer.zero_grad()

    if iter % 50 == 0:
        print("iter: ", iter)

print("Time: ", time.time() - start_time)