深度学习调参技巧总结

关于deep learning（rnn、cnn）

• σ′(⋅)=σ(⋅)(1−σ(⋅))，tanh′=1−tanh2
  batch_size：将数据集划分为不同的 batch，是为了限制 RAM 的使用，防止内存溢出；
  batch_size = 256;
  ℓ 层的神经网络，对于着 ℓ−1 个层间权值矩阵；

• 简单参数
  hyperparameters：
  learning rate：一般从 0.01 开始设起，变化的幅度为 10 倍；

• 激活函数：做非线性映射

  Sigmoid 和 tanh 激活函数的问题在于，在函数的最左侧和最右侧，斜率为 0；

• 这样当 BP 时，复合函数的求导（连乘） ==> 导致梯度消失；
  ReLU 收敛的速度要比 tanh 的速度快 6 倍，其收敛速度足够快；
  CNN 尽量不要用 sigmoid（RNN 会用到 Sigmoid 和 tanh）

• 首先试 ReLU，因为快，但需要小心；
  如果 ReLU 失效，使用 Leaky ReLU 或者 Maxout

• 当然神经网络的输出层一般还是 Sigmoid 函数，因为其值接近于概率输出分布；

• 不管什么模型，先在一个较小的训练集上train和test，看看它能不能过拟合。如果不能过拟合，可能是学习率太大，或者代码写错了。先调小学习率试一下，如果还不行就去检查代码，先看dataloader输出的数据对不对，再看模型每一步的size是否符合自己期待。

• 看train/eval的loss曲线，正常的情况应该是train loss呈log状一直下降最后趋于稳定，eval loss开始时一直下降到某一个epoch之后开始趋于稳定或开始上升，这时候可以用early stopping保存eval loss最低的那个模型。如果loss曲线非常不正常，很有可能是数据处理出了问题，比如label对应错了，回去检查代码。

• 不要一开始就用大数据集，先在一个大概2w训练集，2k测试集的小数据集上调参。

• 优化器优先用adam，学习率设1e-3或1e-4，再试Radam（LiyuanLucasLiu/RAdam）。不推荐sgdm，因为很慢。

• lrscheduler用torch.optim.lr_scheduler.CosineAnnealingLR，T_max设32或64，几个任务上试效果都不错。（用这个lr_scheduler加上adam系的optimizer基本就不用怎么调学习率了）

• 有一些任务（尤其是有RNN的）要做梯度裁剪，torch.nn.utils.clip_grad_norm。

• 参数初始化，lstm的h用orthogonal，其它用he或xavier。

• 激活函数用relu一般就够了，也可以试试leaky relu。

• batchnorm和dropout可以试，放的位置很重要。优先尝试放在最后输出层之前，以及embedding层之后。RNN可以试layer_norm。有些任务上加了这些层可能会有负作用。

• metric learning中先试标label的分类方法。然后可以用triplet loss，margin这个参数的设置很重要。

• batchsize设置小一点通常会有一些提升，某些任务batchsize设成1有奇效。

• embedding层的embedsize可以小一些（64 or 128），之后LSTM或CNN的hiddensize要稍微大一些（256 or 512）。

• 模型方面，可以先用2或3层LSTM试一下，通常效果都不错。

• weight decay可以试一下，一般用1e-4。

• 有CNN的地方就用shortcut。CNN层数加到某一个值之后对结果影响就不大了，这个值作为参数可以调一下。

• GRU和LSTM在大部分任务上效果差不多。

• 对于大多数任务，数据比模型重要。面对新任务时先分析数据，再根据数据设计模型，并决定各个参数。例如nlp有些任务中的padding长度，通常需要达到数据集的90%以上，可用pandas的describe函数进行分析。