主要参考这一篇，GradNorm：Gradient Normalization for Adaptive Loss Balancing in Deep Multitask Networks，梯度归一化_grad norm-CSDN博客
14:20-15:30
提前需要理解的概念
损失函数，衡量ypred与ytruth的差距。
Grad Loss定义为：各个任务【实际的梯度范数】与【理想的梯度范数】的【差的绝对值和】；
先把范数简单理解成长度，目前把范数想象成了神经网络找最优参数时向某个方向走的距离；
参数理解
其中，alpha 是设定恢复力强度的超参数，即将任务的训练速度调节到平均水准的强度。如果任务的复杂程度很不一样，导致任务之间的学习速率大不相同，就应该使用较高的 alpha 来进行较强的训练速率平衡；反之，对于多个相似的任务，应该使用较小的 alpha。
Training with GradNorm
用自己的想法总结了下，
gradnorm在单个batch step的流程总结如下：
整体任务是指L=w_aL_a+w_bL_b， W是神经网络的参数值， gradnorm主要在动态学w_a, w_b；
1、前向传播计算总损失L=w_a*L_a+w_b*L_b（假设我现在有2个任务）；
2、计算第i个任务对整体任务的梯度范数，计算任务i的相对反向训练速度，计算所有任务对整体任务的梯度范数的平均；
3、计算GradLoss；
4、计算GradLoss对wi的导数（wi是指w_a,w_b）；
5、利用第1步计算的Loss反向传播更新神经网络参数；
6、利用第4步的导数更新wi（更新后在下一个bacth step生效）；
7、对wi进行renormalize（下一个bacth step使用的是renormalize之后的wi，意思就是下一个batch训练的时候wa,wb已经换了）；
代码（aaa）
Multi-Task Learning：GradNorm - 知乎（参数含义的查漏补缺）
GitHub - QunBB/DeepLearning: All about DeepLearning: 推荐系统、自然语言处理、Tensorflow、Pytorch等
- 附加第二个代码的相关实验数据：多任务学习MTL模型：多目标Loss优化策略 - 知乎
- 多目标loss优化在开源数据实验一(uncertainty weight、GradNorm） - 知乎
GitHub - brianlan/pytorch-grad-norm: Pytorch implementation of the GradNorm. GradNorm addresses the problem of balancing multiple losses for multi-task learning by learning adjustable weight coefficients.
为什么loss量级大的task1的权重更大呢？
