半天2k赞火爆推特，李飞飞高徒发布33条神经网络训练秘技
本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。
同学，现在有一份33条神经网络训练秘笈，摆在你面前。
AI大佬Andrej Karpathy (简称AK) ，刚刚发布了一篇长长长长博客，苦口婆心地列举了33条技巧和注意事项，全面避免大家踩坑，推特已有2,300多赞。
AK在斯坦福读博的时候，是飞飞实验室的成员，毕业去了OpenAI，然后又成了特斯拉的AI负责人，直到如今。
他的博客虽然一年一更，但一字一句皆是皆是多年心血凝结而成，每次更新必有重大回响。
有生之年，我们把内文翻译如下：
训练模型的“处方”
总的来说，Andrej Karpathy的技巧就是：不要心急 (文章结尾会道出原因) ，从简单到复杂逐步完善你的神经网络。
1、先别着急写代码
训练神经网络前，别管代码，先从预处理数据集开始。我们先花几个小时的时间，了解数据的分布并找出其中的规律。
Andrej有一次在整理数据时发现了重复的样本，还有一次发现了图像和标签中的错误。所以先看一眼数据能避免我们走很多弯路。
由于神经网络实际上是数据集的压缩版本，因此您将能够查看网络（错误）预测并了解它们的来源。如果你的网络给你的预测看起来与你在数据中看到的内容不一致，那么就会有所收获。
一旦从数据中发现规律，可以编写一些代码对他们进行搜索、过滤、排序。把数据可视化能帮助我们发现异常值，而异常值总能揭示数据的质量或预处理中的一些错误。
2、设置端到端的训练评估框架
处理完数据集，接下来就能开始训练模型了吗？并不能！下一步是建立一个完整的训练+评估框架。
在这个阶段，我们选择一个简单又不至于搞砸的模型，比如线性分类器、CNN，可视化损失。获得准确度等衡量模型的标准，用模型进行预测。
这个阶段的技巧有：
· 固定随机种子
使用固定的随机种子，来保证运行代码两次都获得相同的结果，消除差异因素。
· 简单化
在此阶段不要有任何幻想，不要扩增数据。扩增数据后面会用到，但是在这里不要使用，现在引入只会导致错误。
· 在评估中添加有效数字
在绘制测试集损失时，对整个测试集进行评估，不要只绘制批次测试损失图像，然后用Tensorboard对它们进行平滑处理。
· 在初始阶段验证损失函数
验证函数是否从正确的损失值开始。例如，如果正确初始化最后一层，则应在softmax初始化时测量-log(1/n_classes)。
· 初始化
正确初始化最后一层的权重。如果回归一些平均值为50的值，则将最终偏差初始化为50。如果有一个比例为1:10的不平衡数据集，请设置对数的偏差，使网络预测概率在初始化时为0.1。正确设置这些可以加速模型的收敛。
· 人类基线
监控除人为可解释和可检查的损失之外的指标。尽可能评估人的准确性并与之进行比较。或者对测试数据进行两次注释，并且对于每个示例，将一个注释视为预测，将第二个注释视为事实。
· 设置一个独立于输入的基线
最简单的方法是将所有输入设置为零，看看模型是否学会从输入中提取任何信息。
· 过拟合一个batch
增加了模型的容量并验证我们可以达到的最低损失。
· 验证减少训练损失
尝试稍微增加数据容量。
· 在训练模型前进行数据可视化
将原始张量的数据和标签可视化，可以节省了调试次数，并揭示了数据预处理和数据扩增中的问题。
· 可视化预测动态
在训练过程中对固定测试批次上的模型预测进行可视化。
· 使用反向传播来获得依赖关系：
一个方法是将第i个样本的损失设置为1.0，运行反向传播一直到输入，并确保仅在第i个样本上有非零的梯度。
· 概括一个特例：对正在做的事情编写一个非常具体的函数，让它运行，然后在以后过程中确保能得到相同的结果。
3、过拟合
首先我们得有一个足够大的模型，它可以过拟合，减少训练集上的损失，然后适当地调整它，放弃一些训练集损失，改善在验证集上的损失）。
这一阶段的技巧有：
· 挑选模型
为了获得较好的训练损失，我们需要为数据选择合适的架构。不要总想着一步到位。如果要做图像分类，只需复制粘贴ResNet-50，我们可以在稍后的过程中做一些自定义的事。
· Adam方法是安全的
在设定基线的早期阶段，使用学习率为3e-4的Adam 。根据经验，亚当对超参数更加宽容，包括不良的学习率。
· 一次只复杂化一个
如果多个信号输入分类器，建议逐个输入，然后增加复杂性，确保预期的性能逐步提升，而不要一股脑儿全放进去。比如，尝试先插入较小的图像，然后再将它们放大。
· 不要相信学习率衰减默认值
如果不小心，代码可能会过早地将学习率减少到零，导致模型无法收敛。我们完全禁用学习率衰减避免这种状况的发生。
4、正则化
理想的话，我们现在有一个大模型，在训练集上拟合好了。
现在，该正则化了。舍弃一点训练集上的准确率，可以换取验证集上的准确率。
这里有一些技巧：
· 获取更多数据
至今大家最偏爱的正则化方法，就是添加一些真实训练数据。
不要在一个小数据集花太大功夫，试图搞出大事情来。有精力去多收集点数据，这是唯一一个确保性能单调提升的方法。
· 数据扩增
把数据集做大，除了继续收集数据之外，就是扩增了。旋转，翻转，拉伸，做扩增的时候可以野性一点。
· 有创意的扩增
还有什么办法扩增数据集？比如域随机化 (Domain Randomization) ，模拟 (Simulation) ，巧妙的混合 (Hybrids) ，比如把数据插进场景里去。甚至可以用上GAN。
· 预训练
当然，就算你手握充足的数据，直接用预训练模型也没坏处。
· 跟监督学习死磕
不要对无监督预训练太过兴奋了。至少在视觉领域，无监督到现在也没有非常强大的成果。虽然，NLP领域有了BERT，有了会讲故事的GPT-2，但我们看到的效果很大程度上还是经过了人工挑选。
· 输入低维一点
把那些可能包含虚假信号的特征去掉，因为这些东西很可能造成过拟合，尤其是数据集不大的时候。
同理，如果低层细节不是那么重要的话，就输入小一点的图片，捕捉高层信息就好了。
· 模型小一点
许多情况下，都可以给网络加上领域知识限制 (Domain Knowledge Constraints) ，来把模型变小。
比如，以前很流行在ImageNet的骨架上放全连接层，但现在这种操作已经被平均池化取代了，大大减少了参数。
·减小批尺寸
对批量归一化 (Batch Normalization) 这项操作来说，小批量可能带来更好的正则化效果 (Regularization) 。
· Dropout
给卷积网络用dropout2d。不过使用需谨慎，因为这种操作似乎跟批量归一化不太合得来。
· 权重衰减
增加权重衰减 (Weight Decay) 的惩罚力度。
· 早停法
不用一直一直训练，可以观察验证集的损失，在快要过拟合的时候，及时喊停。
· 也试试大点的模型
注意，这条紧接上条 (且仅接上条) 。
我发现，大模型很容易过拟合，几乎是必然，但早停的话，模型可以表现很好。
最后的最后，如果想要更加确信，自己训练出的网络，是个不错的分类器，就把第一层的权重可视化一下，看看边缘 (Edges) 美不美。
如果第一层的过滤器看起来像噪音，就需要再搞一搞了。同理，激活 (Activations) 有时候也会看出瑕疵来，那样就要研究一下哪里出了问题。
5、调参
读到这里，你的AI应该已经开始探索广阔天地了。这里，有几件事需要注意。
· 随机网格搜索
在同时调整多个超参数的情况下，网格搜索听起来是很诱人，可以把各种设定都包含进来。
但是要记住，随机搜索才是最好的。
直觉上说，这是因为网络通常对其中一些参数比较敏感，对其他参数不那么敏感。
如果参数a是有用的，参数b起不了什么作用，就应该对a取样更彻底一些，不要只在几个固定点上多次取样。
· 超参数优化
世界上，有许多许多靓丽的贝叶斯超参数优化工具箱，很多小伙伴也给了这些工具好评。
但我个人的经验是，State-of-the-Art都是用实习生做出来的 (误) 。
6、还能怎么压榨**
当你已经找到了好用的架构和好用的超参数，还是有一些技巧，可以在帮你现有模型上获得更好的结果，榨干最后一丝潜能：
· 模型合体
把几个模型结合在一起，至少可以保证提升2%的准确度，不管是什么任务。
如果，你买不起太多的算力，就用蒸馏 (Distill) 把模型们集合成一个神经网络。
· 放那让它训练吧
通常，人类一看到损失趋于平稳，就停止训练了。
但我感觉，还是训练得昏天黑地，不知道多久了，比较好。
有一次，我意外把一个模型留在那训练了一整个寒假。
我回来的时候，它就成了State-of-the-Art。
One More Thing
无独有偶，前两天有只“阵亡的程序猿”说：
AWS的钱，不是花在你用了多少，而是花在你忘了关电脑。
同学，如果你也曾经有这样的经历，那么恭喜，你也有训练出State-of-the-Art的潜力。