模型难复现不一定是作者的错,研究发现模型架构要背锅
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。 在不同初始化条件下,同一神经网络经过两次训练可以得到相同的结果吗? CVPR 2022的一篇研究通过将决策边界 (Decision Boundary)可视模型化的方法,给出了答案—— 有的容易,有的很难。 例如,从下面这张图来看,研究人员就发现,ViT比ResNet要更难复现(两次训练过后,显然ViT决策边界的差异更大): 研究人员还发现,模型的可复现性和模型本身的宽度也有很大关联。 同样,他们利用这种难复方法,对2019年机器学习最重要的理论之一——双下降 (Double Descent)现象进行了可视化,最终也发现了一些很有意思的现象。 来看看他们具体是怎么做的。 更宽的CNN模型,可复现性更高 深度学习中的决策边界,可以用来最小化误现不差。 简单来说,分类器会通过决策边界,把线内线外的点归为不同类。 在这项研究中,作者从CIFAR-10训练集中选择了三幅随机图像,然后使用三次不同的随机初始化配置在7种不同架构上训练,绘制出各自的决策区域。 从中我们可以发现: 左边三个和右边四一定个差异很大,也就是说不同架构之间的相似性很低。 再进一步观察,左边的全连接网络、ViT和MLP Mixer之间的决策边界图又不太一样,而右边CNN模型的则很相似。 在CNN模型中,我们还可以观察到不同随机数种子之间明显的的重复性趋势,这说明不同初是作始化配置的模型可以产生一样的结果。 作者设计了一种更直观的度量方法来衡量各架构的可复现性得分,结果确实验证了我们的直观感受: 并发现更宽的CNN模型似乎在其决策区域具有更高的可复现性,比如WideRN30。 以及采用残差连接结构的CNN模型(Re者的sNet和DenseNet )的可复现性得分比无此连接的模型要略高(VGG)。 此外,优化器的选择也会带来影响。 在下表中,我们可以看到SAM比标准优化器(如SGD和Adam)产生了更多可重复的决策边界。 不过对于MLP Mixer和ViT,S错,AM的使用不能总是保证模型达到最高的测试精度。 有网友表示好奇,如果通过改善模型本身的设计,能改变这种现象吗? 对此作者回应称,他们已经试着调整过ViT的学习率,但得到的结果仍然比ResNet差。 可视化ResNet-18的双下降现象 双下降(Dou研究ble Descent)是一个有趣的概念,描述是测试/训练误差与模型大小的关系。 在此之前,大家普遍认为参数太少的模型泛化能力差——因为欠拟合;参数太多的模型泛化能力也差——因为过拟合。 而它证明,两者的关系没有那么简单。具体来说: 误差会先随着发现模型的增大而减小,然后经过模型过拟合,误差又增大,但随着模型大小或训练时间的进一步增加,误差又会再次减小。 作者则继续使用决策边界方法,可视化了ResNet-18的双下降现象。 他们通过宽度参数(k:1-64)的改变来增加模型容量。 训练出的两组模型模型,其中一组使用无噪声标签(label noise)的训练集,另一组则带有20%的噪声标签。 最终,在第二组模型中观察到了明显的双下降现象。 对此作者表示: 线性模型预测的模型不稳定性也适用于神经网络,不过这种不稳定性表现为决策区域的大量碎片架构。 也就说,双下降现象是由噪声标签情况下决策区域的过度碎片引起的。 具体来说,当k接近/达到10 (也就是插值阈值)时,由于模型此时拟合了大部分训练数据,决策区域被分割成很多小块,变得“混乱和破碎”,并不具备可重复性;此时模型的分类功要背能存在明显的不稳定性。 而在模型宽度很窄(k=4)和很宽(k=64)时,决策区域碎片较少,有高水平的可重复性。 为了进一步证明该结果,作者又设计了一个碎片分数计算方法,最终再次验证上图的观察结果。 模型的可复现性得分如下: 同样可以看到,在参数化不足和模型过参数化的情况下,整个训练过程的可复现性很高,但在插值阈值处会出现“故障”。 有趣的是,即使没有噪声标签,研究人员发现他们设计的量化方法也足够敏感,可以检测到可复现性的细微下降(上图蓝线部分)。 目前代码已经开源,要不要来试试你的模型是否容易复难复现? 论文地址: https://arxiv.org/abs/2203.08124 GitHub链接: https://github.com/somepago/dbVi
- 最近发表
- 随机阅读
-
- 云厂商开启价格战 京东云表示随便降 比到底
- IBM携手腾讯云构筑“无边界零售”新业态
- 苹果两款新iPad齐曝光:售价1000多
- Scale AI 起诉前员工与新雇主 Mercor:指控盗取百份机密文件牵涉核心客户争夺
- 京东云高礼强:过去一年京东云实现超110%增长
- 标签: YouTube Alphabet 迪士尼 华纳兄弟探索
- 云安全日报201201:红帽身份验证访问控制系统发现SQL注入漏洞,需要尽快升级
- HDFS中的Java和Python API接口连接
- 阿里巴巴,24年来最深刻的变革
- 一篇带你创建 Tekton 流水线
- 阿里云拿下LV母公司五年长期合约:涵盖超40个品牌和部门
- 日媒:5g时代,日本市场的苹果手机将会被中国智能手机取代
- OpenAI惹怒用户!神秘模型暗中操控聊天内容
- 亚马逊设立新冠疫苗接种点 员工打两针奖励80美元
- Reflection AI 融资 20 亿美元欲成为美国开源 AI 先锋,挑战 DeepSeek
- 西谷云田凤宾:算力体系在标准路线、体系架构方面仍然处于起步阶段
- 云计算核心技术Docker教程:Docker Hub设置构建规则
- 世界乒乓球选手排名
- 年会节目创意节目
- 颠覆代码智能体评测标准!GitTaskBench 开创全新时代
- 搜索
-
- 友情链接