深度学习调参策略_如何根据数据深度学习,智能调拨

参数初始化,下面几种方式,随便选一个,结果基本都差不多.

1. uniform
   W = np.random.uniform(low=-scale, high=scale, size=shape)
2. glorot_uniform
   scale = np.sqrt(6. / (shape[0] + shape[1]))
   np.random.uniform(low=-scale, high=scale, size=shape)
3. 高斯初始化:
   w = np.random.randn(n) / sqrt(n),n为参数数目
   激活函数为relu的话,推荐
   w = np.random.randn(n) * sqrt(2.0/n)
4. svd ,对RNN效果比较好,可以有效提高收敛速度.

数据预处理方式

1. zero-center ,这个挺常用的.
   X -= np.mean(X, axis = 0) # zero-center
   X /= np.std(X, axis = 0) # normalize
2. PCA whitening,这个用的比较少.

训练技巧

1. 要做梯度归一化,即算出来的梯度除以minibatch size
2. clip c(梯度裁剪): 限制最大梯度,其实是value = sqrt(w1^2+w2^2….),如果value超过了阈值,就算一个衰减系系数,让value的值等于阈值: 5,10,15
3. dropout对小数据防止过拟合有很好的效果,值一般设为0.5,小数据上dropout+sgd效果更好. dropout的位置比较有讲究, 对于RNN,建议放到输入->RNN与RNN->输出的位置.关于RNN如何用dropout,可以参考这篇论文:http://arxiv.org/abs/1409.2329
4. adam,adadelta等,在小数据上,我这里实验的效果不如sgd,如果使用sgd的话,可以选择从1.0或者0.1的学习率开始,隔一段时间,在验证集上检查一下,如果cost没有下降,就对学习率减半. 我看过很多论文都这么搞,我自己实验的结果也很好. 当然,也可以先用ada系列先跑,最后快收敛的时候,更换成sgd继续训练.同样也会有提升.
   
5. 除了gate之类的地方,需要把输出限制成0-1之外,尽量不要用sigmoid,可以用tanh或者relu之类的激活函数.
6. rnn的dim和embdding size,一般从128上下开始调整. batch size,一般从128左右开始调整.batch size合适最重要,并不是越大越好.
7. word2vec初始化,在小数据上,不仅可以有效提高收敛速度,也可以可以提高结果.
8. 尽量对数据做shuffle
9. LSTM 的forget gate的bias,用1.0或者更大的值做初始化,可以取得更好的结果,来自这篇论文:http://jmlr.org/proceedings/papers/v37/jozefowicz15.pdf, 我这里实验设成1.0,可以提高收敛速度.实际使用中,不同的任务,可能需要尝试不同的值.

Ensemble: 论文刷结果的终极核武器,深度学习中一般有以下几种方式

1. 同样的参数,不同的初始化方式
2. 不同的参数,通过cross-validation,选取最好的几组
3. 同样的参数,模型训练的不同阶段
4. 不同的模型,进行线性融合. 例如RNN和传统模型.