Dropout和R-Dropout的使用技巧

亦凉 2022-09-14 09:20 174阅读 0赞

# 1 引言 #

在ML中存在两类严重的问题：**过拟合**和**学习时间开销大**

当过拟合时，得到的模型会在训练集上有非常好的表现，但是对新数据 的预测结果会非常的不理想。为了解决过拟合问题，通常会采用训练多个模型来解决单模过拟合的问题。但又会带来时间开销大的问题。Dropout就很好的解决了这个问题，在单模内防止过拟合。对于时间开销大的地方是梯度下降，学习率衰减可以解决梯度下降中时间开销的问题。

Dropout是在训练过程中，随机地忽略部分神经元，即是在正向传播的过程中，这些被忽略的神经元对下游神经元的贡献暂时消失，在反向传播时，这些神经元也不会有任何权重的更新。

其他的具体介绍，可以转到[深度学习中Dropout原理解析][Dropout]

# 2 Dropout使用技巧 #

（1）经过验证，隐含节点Dropout率等于0.5的时候最佳，此时Dropout随机生成的网络结构最多。Dropout也可以用在输入层，作为一种添加噪声的方法。输入层设为更接近1时，使得输入变化不会太大，比如0.8。

（2）通常在网络中Dropout率为0.2~0.5。0.2是一个很好的起点，太低的概率产生的作用有限，太高的概率可能导致网络的训练不充分。

（3）当在较大的网络上使用Dropout时，可能会获得更好的表现，因为Dropout降低了模型训练过程中的干扰

（4）在输入层和隐藏层上使用Dropout。或者在网络的每一层都使用Dropout能有更佳的效果。

（5）使用较高的学习率，使用学习率衰减和设置较大的动量值，将学习率提高10~100倍，且使用0.9或0.99的动量值。

> Keras中，momentum就是动量值  
> sgd = SGD(lr=0.1,momentum=0.8,decay=0.0,nesterov=False)

（6）限制网络权重的大小，打的学习率可能导致非常大的网络权重，对网络权重大小进行约束，例如大小为4或5的最大范数正则化(Max-norm Regularizationi)。

> Keras中，通过指定Dense中的kernel\_constrain=maxnorm(x)来限制网络权重

参考资料：[Dropout: A Simple Way to Prevent Neural Networks from Overfitting][Dropout_ A Simple Way to Prevent Neural Networks from Overfitting]

# 3 Dropout的拓展R-Dropout #

（1）简介

简单来说就是模型中加入dropout，在训练阶段的预测阶段，用同样的数据预测两次，去追求两次的结果尽可能接近，这种接近体现在损失函数上。虽然是同样的数据，但是因为模型中Dropout是随机丢弃神经元，会导致两次丢弃的神经元不一样，从而预测的结果也会不一样。R-Dropout思想就是去实现控制两次预测尽量保持一致，从而去优化模型。除了在NLP领域，其他的NLU、NLG、CV的分类等多种任务上都对R-Drop做了对比实验，大部分实验效果都称得上“明显提升”。

具体比较详细的讲解，参考

*  [前沿重器\[15\] | R-Dropout——一次不行就两次][15_ _ R-Dropout]
 *  [又是Dropout两次！这次它做到了有监督任务的SOTA][Dropout_SOTA]
 *  [R-Drop: Regularized Dropout for Neural Networks][R-Drop_ Regularized Dropout for Neural Networks]

（2）使用方法

和普通的Dropout方法不同，有封装的API可以一行代码使用。R-Dropout的使用需要，自定义模型的输入和损失函数。举例如下，参考[NLP 中Pytorch 实现R-Dropout][NLP _Pytorch _R-Dropout]

# define your task model, which outputs the classifier logits
    model = TaskModel()
    
    def compute_kl_loss(self, p, q pad_mask=None):
        
        p_loss = F.kl_div(F.log_softmax(p, dim=-1), F.softmax(q, dim=-1), reduction='none')
        q_loss = F.kl_div(F.log_softmax(q, dim=-1), F.softmax(p, dim=-1), reduction='none')
        
        # pad_mask is for seq-level tasks
        if pad_mask is not None:
            p_loss.masked_fill_(pad_mask, 0.)
            q_loss.masked_fill_(pad_mask, 0.)
    
        # You can choose whether to use function "sum" and "mean" depending on your task
        p_loss = p_loss.sum()
        q_loss = q_loss.sum()
    
        loss = (p_loss + q_loss) / 2
        return loss
    
    # keep dropout and forward twice
    logits = model(x)
    
    logits2 = model(x)
    
    # cross entropy loss for classifier
    ce_loss = 0.5 * (cross_entropy_loss(logits, label) + cross_entropy_loss(logits2, label))
    
    kl_loss = compute_kl_loss(logits, logits2)
    
    # carefully choose hyper-parameters
    loss = ce_loss + α * kl_loss

[Dropout]: https://zhuanlan.zhihu.com/p/38200980
[Dropout_ A Simple Way to Prevent Neural Networks from Overfitting]: https://jmlr.org/papers/v15/srivastava14a.html
[15_ _ R-Dropout]: https://wemp.app/posts/38a3c134-6a29-4cb9-b924-69e0f3b3939c
[Dropout_SOTA]: https://zhuanlan.zhihu.com/p/386085252
[R-Drop_ Regularized Dropout for Neural Networks]: https://arxiv.org/abs/2106.14448
[NLP _Pytorch _R-Dropout]: https://github.com/dropreg/R-Drop