江西新时时彩投注技巧|时时彩新时时彩11选5|
当前位置:首页 > 大数据 > 大数据资讯 > 机器学习的七大谣传,这都是根深蒂固的执念吧

机器学习的七大谣传,这都是根深蒂固的执念吧

日期:2019-02-28 来源: 浏览量:
在本文中,作者总结了机器学习研究中常见的七大谣传,他们很多都是我们以前的固有概念,而最近又有新研究对它们提出质疑。所以在为机器学习填坑的生涯中,快自检这七个言传吧。

在学习深度学习的过程中,我们常会遇到各种谣传,也会遇到各种想当然的「执念」。在本文中,作者总结了机器学习研究中常见的七大谣传,他们很多都是我们以前的固有概念,而最近又有新研究对它们提出质疑。所以在为机器学习填坑的生涯中,快自检这七个言传吧。

所以下面七个问题是你的「执念」吗?

TensorFlow 是个张量运算库?

不听不听,还是要用测试集调试调试模型的……

训练数据大概对模型训练都是有用的吧。

训练超深残差网络怎么少得了批标准化(BN)!

注意力机制?#35757;?#19981;是卷积网络的替代品吗?

不管怎么说,图像数据集应该都是接近真实分布的吧。

主导分类的局部输入,?#35757;?#19981;正是解释了神经网络吗?

谣传一:TensorFlow 是一个张量运算库

事实上,TensorFlow 是矩阵而不是张量运算库,这两者的区别非常大。

在 NeurIPS 2018 的论文 Computing Higher Order Derivatives of Matrix and Tensor Expressions 中,研究者表明,他们基于张量微积分(Tensor Calculus)所建立的新自动微分库具有明显更紧凑(compact)的表达式树(expression trees)。这是因为,张量微积?#36136;?#29992;了索引标识,进而使前向模式和反向模式的处理方式相同。

与此相反,矩阵微积分出于标识方便的考虑隐藏了索引,这也通常会导致自动微分的表达式树显得过于复?#21360;?/p>

若有矩阵的乘法运算:C=AB。在前向模式中,有,而在反向模式中,则有。为了正确完成乘法计算,我们需要注意乘法的顺序和转置的使用。对于机器学习开发者而言,这只是在标识上的一点困惑,但对于程序而言,这是一个计算上的开销。

 

以下是另一个例子,毫无疑问意义更大一些:对于求行列式 c=det (A)。在前向模式中,有,而在反向模式中,则有。这里可以明显看出,无法使用同一个表达式树来表示两种模式,因为二者是由不同运算组成的。

总的来说,TensorFlow 和其他库(如 Mathematica、Maple、 Sage、SimPy、ADOL-C、TAPENADE、TensorFlow, Theano、PyTorch 和 HIPS autograd)实现的自动微分方法,会在前向模式和反向模式中,得出不同的、低效的表达式树。而在张量微积分中,通过索引标识保留了乘法的可交换性,进而轻松避免了这些问题(具体的实现原理,请阅读论文原文)

研究者通过反向传播,在三个不同问题上,测试了反向模式自动微?#20013;?#26041;法的性能,并度量了其计算 Hessian 矩阵所消耗的时间。

 

 

第一个问题是优化一个形如 xAx 的二次函数;第二个问题是求解一个逻辑回归;第三个问题是求解矩阵分解。

在 CPU 上,新方法与当下流行的 TensorFlow、Theano、PyTorch 和 HIPS autograd 等自动微分库相比,要快两个数量级。

 

 

在 GPU 上,研究者发现,新方法的提速更?#29992;?#26174;,超出流行库的速度近似三个数量级。

意义:利用目前的深度学习库完成对二?#20301;?#26356;高阶函数的求导,所花费的成本比本应消耗的更高。这包含了计算诸如 Hessian 的通用四阶张量(例:在 MAML 中,以及二阶牛顿法)。?#20197;?#30340;是,在「深度」学习中,二阶函数并不常见。但在「传统」机器学习中,它们却广泛存在:SVM 对偶问题、最小二乘回归、LASSO,高斯过程……

谣传二:机器学习研究者并不使用测试集进行验证

在机器学习第一门课中,我们会学习到将数据集分为训练集、验证集以?#23433;?#35797;集。将在训练集上训练得到模型,在验证集上进行效果评估,得出的效果用以指导开发者调节模型,以求在真实场景下获得效果最好的模型。直到模型调节好之后,才应该使用测试集,提供模型在真实场景下实际表现的无偏估计。如果开发者「作弊」地在训练或验证阶?#38382;?#29992;了测试集,那么模型就很可能遇到对数据集偏差产生过拟合的风险:这类偏差信息是无法在数据集外泛化得到的。

在机器学习研究高度竞争的环境下,对新算法 / 模型的评估,通常都会使用其在测试集上的表现。因此对于研究者而言,没有理由去写 / 提交一篇测试集效果不 SOTA 的论文。这也?#24471;?#22312;机器学习研究领域,总体而言,使用测试集进行验证是一个普遍现象。

这种「作弊」行为的影响是什么?

 

 

在论文 Do CIFAR-10 Classifiers Generalize to CIFAR-10? 中,研究者们通过在 CIFAR-10 上建立了一个新的测试集,来研究此问题。为此,他们解析标注了来自 Tiny Images 库的图像,就像最初的数据采集过程一样。

常用测试集带来过拟合?你真的能控制自己不根据测试集调参吗

研究者们之所以选择 CIFAR-10,是因为它是机器学习界使用最广泛的数据集之一,也是 NeurIPS 2017 中第二受欢迎的数据集(在 MNIST 之后)。CIFAR-10 数据集的创建过程也有完善公开的文?#23548;?#24405;。而庞大的 Tiny Images 库中,也有足够的细粒度标签数据,进而使得在尽量不引起分?#35745;?#31227;的情况下重建一个测试集成为了可能。

 

 

研究者发现,很多神经网络模型在从原来的测试集切换到新测试集的时候,都出现了明显的准确率下降(4% - 15%)。但各模型的相对排名依然相对稳定。

 

 

总的来说,相较于表现较差的模型,表现较好模型的准确率下降程度也相对更小。这是一个振奋人心的消息,因为至少在 CIFAR-10 上,随着研究社区发明出更好机器学习模型 / 方法,由于「作弊」得到的泛化损失,也变得更加轻微。

谣传三:神经网络训练过程会使用训练集中的所有数据点。

有这样一个常见说法,数据是新的原油(财富),数据量越大,我们就能将数据相对不足的、过参数化的深度学习模型训练得越好。

在 ICLR 2019 的一篇论文 An Empirical Study of Example Forgetting During Deep Neural Network Learning 中,研究者们表示在多个常见的较小图像数据集中,存在显著冗余。令人震惊的是,在 CIFAR-10 中,我们可以在不显著影响测试集准确率的情况下剔除 30% 的数据点。

 

 

当神经网络在 t+1 时?#35848;?#20986;误分类、而在 t 时?#35848;?#20986;了准确的分类?#20445;统?#20026;发生了遗忘事件(forgetting event)。这里的「时刻」是指训练网络的随机梯度下降(SGD)的更新次数。为了让记?#23478;?#24536;事件变得可行,研究者?#30475;?#21482;在用于完成 SGD 更新的小批量数据上运行神经网络,而不是在数据集的单个样本上运行。对于不会经历遗忘事件的样本,称之为不可遗忘样本(unfogettable example)。

研究者发现,MNIST 中 91.7%、permutedMNIST 中 75.3%、CIFAR-10 中 31.3% 以及 CIFAR-100 中 7.62% 的数据属于不可遗忘样本。这符?#29616;?#35266;理解,因为随着图像数据集的多样性和复?#26377;?#19978;升,神经网络理应遗忘更多的样本。

 

 

相较于不可遗忘样本,可遗忘样本似乎表现了更多不寻常的独特特征。研究者将其类比于 SVM 中的支持向量,因为它们似乎划分了决策边界。

 

 

与此相反,不可遗忘样本则编码了绝大部分的冗余信息。如果将样本按其不可遗忘性(unforgettability)进?#20449;?#24207;,就可以通过?#22659;?#32477;大部分的不可遗忘样本,而对数据集完成压缩。

在 CIFAR-10 中,30% 的数据可以在不影响测试集准确率的情况下移除,而?#22659;?35% 的数据则会产生 0.2% 的微小测试准确率下降。如果所移除的 30% 数据是随机挑选而非基于不可遗忘性,那么就会导致约 1% 的显著下降。

 

 

与此类似,在 CIFAR-100 上,8% 的数据可以在不影响测试集准确率的情况下移除。

这些发现表明,在神经网络的训练中,存在明显的数据冗余,就像 SVM 的训练中,非支持向量的数据可以在不影响模型决策的情况下移除。

意义:如果在开始训?#20998;?#21069;,就能确定哪些样本是不可遗忘的,那么我们就可以通过?#22659;?#36825;些数据来节省存储空间和训练时间。

谣传?#27169;?#25105;们需要批标准化来训练超深度残差网络。

长久以来,人们都相信「通过随机初始参数值和梯度下降,直接优化有监督目标函数(如:正确分类的对数概率)来训练深度网络,效果不会很好。」

从那时起,就有很多聪明的随机初始化方法、激活函数、优化方法以及其他诸如残差连接的结构创新,来降低利用梯度下降训练深度神经网络的难度。

但真正的突?#35780;?#33258;于批标准化(batch normalization)的引入(以及其他的后续标准化技术),批标准化通过限制深度网络每层的激活值尺度,来缓和梯度消失、爆炸等问题。

值得注意的是,在今年的论文 Fixup Initialization: Residual Learning Without Normalization 中,研究表明在不引入任何标准化方法的情况下,通过使用 vanilla SGD,可以有效地训练一个 10,000 层的深度网络。

 

 

研究者比较了在 CIFAR-10 上,不同深度残差网络训练一个 epoch 的结果。并发现,虽然标准初始化方法在 100 层的网络上失败了,但 Fixup 和批标准化都在 10,000 层的网络上成功了。

 

 

研究者通过理论分析,证明了「特定神经层的梯度范数,以某个随网络深度增加而增大的数值为期望下界」,即梯度爆炸问题。

为避免此问题,Fixup 中的核心思想是在每 L 个残差分支上,对 m 个神经层的权重,使用同时?#35272;?#20110; L 和 m 的因子进行调整。」

 

 

Fixup 使得能够在 CIFAR-10 上以高学习速率训练一个 110 层的深度残差网络,得到的测试集表现和利用批标准化训练的同结构网络效果相当。

 

 

 

 

研究者也进一步展示了在没有任何标准化处理下,基于 Fixup 得到的神经网络在 ImageNet 数据集和英语 - 德语机器翻译任务上相当的测试结果。

谣传五:注意力 > 卷积

在机器学习领域,有一个正得到认同的说法,认为注意力机制是卷积的更优替代。重要的是 Vaswani et al 注意到「一个可分离卷积的计算成本,和一个自注意力层与一个逐点前馈层结合后的计算成本一致」。

即使是最新的 GAN 网络,也展示出自注意力相较于标准卷积,在对长期、多尺度?#35272;?#24615;的建模上效果更好。

在 ICLR 2019 的论文 Pay Less Attention with Lightweight and Dynamic Convolutions 中,研究者对自注意力机制在长期?#35272;?#24615;的建模中,参数的有效性和效率提出了质疑,他们表示一个受自注意力启发而得到的卷积变体,其参数效率更高。

 

 

轻量级卷积(lightweight convolutions)是深度可分离(depthwise-separable)的,它在时间维度上进行了 softmax 标准化,通道维度上共享权重,且在每个时间步上重新使用相同权重(类似于 RNN 网络)。动态卷积(dynamic convolutions)则是在每个时间步上使用不同权重的轻量级卷积。

这些技巧使?#20204;?#37327;级卷积和动态卷积相较于传统的不可分卷积,在效率上优越几个数量级。

 

 

 

 

研究者也证明,在机器翻译、语言建模和抽象总结等任务上,这些新卷积能够使用数量相当或更少的参数,达?#20132;?#36229;过基于自注意力的基准效果。

谣传六:图像数据集反映了自然世界真实图像分布

我们可能会认为,如今的神经网络在目标识别任务上,效果已经超出真人水平。这并不正确。在 ImageNet 等筛选出来的图像数据集上,它们的效果可能确实优于真人。但对于自然世界的真实图像,它们在目标识别上绝对无法?#26085;?#24120;成年人做得更加出色。这是因为,从目前的图像数据集中抽取的图像,和从真实世界整体中抽取的图像并不一样,二者分布并不相同。

这里有一篇 2011 年比较老的论文: Unbiased Look at Dataset Bias,其中,研究者根据 12 个流行的图像数据集,尝试通过训练一个分类器用以判断一个给定图像来自于哪个数据集,来探索是否存在数据集偏差。

 

 

随机猜测的正确?#35270;?#35813;是 1/12 = 8%,而实验结果的准确率高于 75%。

 

 

研究者在 HOG 特征上训练了一个 SVM,并发?#21046;?#27491;确率达到 39%,高于随机猜测水平。如今,如果使用最先进的 CNN 来复现这一实验,很可能得到更好的分类器效果。

如果图像数据集确?#30340;?#22815;表征来自自然世界的真实图像,就不应能?#29615;直?#20986;某个特定图像是来自于哪个数据集的。

 

 

但数据中的偏差,使得每个数据集变得可识别。例如,在 ImageNet 中,有非常多的「赛车」,不能认为这代表了通常意义上「汽车」的理想概念。

 

 

研究者在某数据集训练分类器,并在其他数据集上评估表?#20013;?#26524;,进一步度量数据集的价值。根据这个指标,LabelMe 和 ImageNet 是偏差最小的数据集,在「一篮子货币(basket of currencies)」上得分 0.58。所有数据集的得分都小于 1,表明在其他数据集上训练的模型都给出了更低的准确度。在没有数据集偏差的理想情况下,应该有一些得分是高于 1 的。

谣传七:显著图(saliency maps)是解释神经网络的一个稳健方法。

虽然神经网络通常被认为是黑箱模型,现在还是已经有了有非常多对其进行解释的探索。显著图,或其他类似对特征或训练样本赋予重要性得分的方法,是其中最受欢迎的?#38382;健?/p>

能够将图像进行特定分类的理由,总结为图像特定部分对模型决策过程中起的作用,是一个非常诱人的课题。已有的几种计算显著图的方法,通常都基于神经网络在特定图像上的激活情况,以及网络中所传播的梯度。

在 AAAI 2019 的一篇论文 Interpretation of Neural Networks is Fragile 中,研究者表明,可以通过引入一个无法感知的扰动,来破坏一个特定图像的显著图。

 

 

「帝王蝶之所以?#29615;?#31867;为帝王蝶,并不是因为翅膀的图案样式,而是因为背?#21543;?#19968;些不重要的绿色树叶。」

 

 

高维图像通常都位于深度神经网络所建立的决策边界附近,因此很容?#36164;?#21040;对?#26500;?#20987;的影响。对?#26500;?#20987;会将图像移动至决策边界的另一边,而对抗解释攻击则是将图像在相同决策区域内,沿着决策边界等高线移动。

 

 

为实?#25191;斯?#20987;,研究者所使用的基本方法是 Goodfellow 提出的 FGSM(fast gradient sign method)方法的变体,这是最早的一种为实现有效对?#26500;?#20987;而引入的方法。这也表明,其他更近的、更复杂的对?#26500;?#20987;也可以用于攻击神经网络的解释性。

 

 

 

 

 

 

意义:随着深度学习越来越普遍地应用于高风险场景,如医学成像,对于如何解释神经网络所做的结论也越发重要。例如,虽然 CNN 网络将 MRI 图像上的小点识别为恶性致癌肿瘤是非常好的事情,但如果它们是基于非常脆弱的解释方法,那么也不应姑妄信之。

原文链接:https://crazyoscarchang.github.io/2019/02/16/seven-myths-in-machine-learning-research/

  • 智能在线微信公众号
    关注公众号
    资?#23545;?#30693;道
  • 江西新时时彩投注技巧
    北京pk赛车计划软件哪个好 微信单双群主怎么赚钱 时时彩稳赚项目 广东11选五任一技巧 11选5任选9稳赚技巧 福利彩票大小单双 彩名堂计划app网址 下载爱宝贝早教全计划 怎样选双色球中奖率高 广东11选五免费计划