机器学习笔记:随机深度网络 stochastic depth

Posted UQI-LIUWJ

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习笔记:随机深度网络 stochastic depth相关的知识,希望对你有一定的参考价值。



[1603.09382v1] Deep Networks with Stochastic Depth (arxiv.org)

1 模型介绍

有点类似于以层为基本单元的dropout

  •  在ResNet中,有:
  •  在stochastic depth中,多了一个随机变量b
    •  b的概率分布满足伯努利分布(pl的概率取1,1-pl的概率取0)
    • b=1时,即为ResNet结构;b=0时,就是一个恒等函数(残差支线没有被激活)
  • 这里p被称为“生存概率”,有两种设置方式 
    • 将各层的pl设置为同样的一个值
    • 将pl设置成残差层数l的函数
      • 第0层取1的概率为1(P0=1);第L层取1的概率为PL;中间线性递减

  • 论文选择了第二种设置方式,即将线性衰减规律应用于每一层的生存概率的设置
    • 这是因为较早的层会提取低级特征,而这些低级特征会被后面的特征应用,因此前面的层不应该频繁的被丢弃

2 python实现(timm包)

from timm.models.layers import DropPath

drop_path = DropPath(0.1)

###对于forward中每一层计算完后的x#####
x=drop_path(x)

以上是关于机器学习笔记:随机深度网络 stochastic depth的主要内容,如果未能解决你的问题,请参考以下文章

机器学习笔记:SGD (stochastic gradient descent)的隐式正则化

深度学习笔记总结(待更新)

《Python深度学习》第一章笔记

论文阅读笔记《Stochastic Grounded Action Transformation for Robot Learning in Simulation》

深度学习

随机模型(stochastic models)