我们应该按啥顺序调整神经网络中的超参数？

Posted 2023-02-23

【中文标题】我们应该按啥顺序调整神经网络中的超参数？

【英文标题】：In what order should we tune hyperparameters in Neural Networks?我们应该按什么顺序调整神经网络中的超参数？

【发布时间】：2016-09-24 20:36:48

【问题描述】：

我有一个非常简单的 ANN，它使用 Tensorflow 和 AdamOptimizer 来解决回归问题，我现在可以调整所有超参数。

目前，我看到了许多需要调整的不同超参数：

学习率：初始学习率、学习率衰减 AdamOptimizer 需要 4 个参数（学习率、beta1、beta2、epsilon），因此我们需要调整它们 - 至少是 epsilon 批量大小 nb 次迭代 Lambda L2-正则化参数 神经元数量，层数 对于输出层，隐藏层使用什么样的激活函数 辍学参数

我有两个问题：

1) 你有没有看到我可能忘记的其他超参数？

2) 目前，我的调音是相当“手动”的，我不确定我是否以正确的方式进行所有操作。 是否有特殊的顺序来调整参数？例如，首先是学习率，然后是批量大小，然后...... 我不确定所有这些参数都是独立的——事实上，我很确定其中一些不是。哪些明显独立，哪些明显不独立？然后我们应该把它们调到一起吗？ 是否有任何论文或文章讨论以特殊顺序正确调整所有参数？

编辑： 这是我得到的不同初始学习率、批量大小和正则化参数的图表。紫色曲线对我来说完全很奇怪......因为成本下降的速度比其他曲线慢，但它被困在较低的准确率上。模型是否有可能陷入局部最小值？

Accuracy

Cost

对于学习率，我使用了衰减： LR(t) = LRI/sqrt(epoch)

感谢您的帮助！ 保罗

【问题讨论】：

嗨，保罗，我想知道你为什么使用LRI/sqrt(epoch) 作为学习率衰减？我正在使用LRI/max(epoch_0, epoch)，我已将epoch_0 设置为我希望衰减开始的时期，但如果你像你一样取分母的平方根，也许你会得到更快的收敛。您对学习率衰减有任何参考，还是您自己或多或少地想出了它？

嗨@HelloGoodbye！在介绍 Adam 优化器 (arxiv.org/pdf/1412.6980.pdf) 的文章中，他们使用学习率的平方根衰减来证明定理 4.1 的收敛性。

【参考方案1】：

我的一般顺序是：

批量大小，因为它将在很大程度上影响未来实验的训练时间。 网络架构： 网络中的神经元数量 层数 休息（辍学、L2 reg 等）

依赖关系：

我假设

的最佳值 学习率和批量大小 学习率和神经元数量 神经元数量和层数

相互依赖。不过，我不是该领域的专家。

至于你的超参数：

对于 Adam 优化器：“论文中的推荐值为 eps = 1e-8, beta1 = 0.9, beta2 = 0.999。” (source) 对于 Adam 和 RMSProp 的学习率，我发现 0.001 左右的值对于大多数问题来说是最佳的。 作为 Adam 的替代方案，您还可以使用 RMSProp，它可以将内存占用减少多达 33%。有关详细信息，请参阅this answer。 您还可以调整初始权重值（请参阅All you need is a good init）。虽然，Xavier 初始化器似乎是避免调整权重初始化的好方法。 我没有将迭代/时期的数量调整为超参数。我训练网络直到其验证误差收敛。不过，我会给每次运行一个时间预算。

【讨论】：

RMSprop 几乎等同于带有 beta1=0 的 AdamOptimizer。 （AdamOptimizer 最初会校正 RMS 项中的偏差，但经过足够的训练步骤后，偏差和校正均接近零。）

@CharlesStaats 感谢您的意见！在寻找 Adam 和 RMSprop 之间的区别时，我发现了这个：cs231n.github.io/neural-networks-3/#ada“请注意，更新看起来与 RMSProp 更新完全一样，除了使用“平滑”版本的梯度 m 而不是原始（可能是嘈杂的）梯度向量dx。论文中的推荐值是 eps = 1e-8, beta1 = 0.9, beta2 = 0.999。实际上，目前建议使用 Adam 作为默认算法，并且通常比 RMSProp 效果略好。”所以你是对的。从现在开始我将使用 Adam。

【参考方案2】：

让 Tensorboard 运行起来。在那里绘制错误。您需要在 TB 查找要绘制的数据的路径中创建子目录。我在脚本中创建子目录。所以我改变了脚本中的一个参数，在那里给试验命名，运行它，然后在同一个图表中绘制所有试验。您很快就会对图表和数据的最有效设置有所了解。

【讨论】：

谢谢！我不知道我们可以在同一个 Tensorboard 窗口中显示不同的图表。看起来会这样，即使它不能完全回答我最初的问题。

【参考方案3】：

对于不太重要的参数，您可能只需选择一个合理的值并坚持下去。

就像你说的，这些参数的最优值都相互依赖。最简单的做法是为每个超参数定义一个合理的值范围。然后从每个范围内随机抽取一个参数，并使用该设置训练一个模型。重复这一系列，然后选择最好的模型。如果幸运的话，您将能够分析哪些超参数设置效果最好，并从中得出一些结论。

【讨论】：

感谢您的回答！因此，最好为所有超参数随机选择值并一起调整它们，而不是单独调整每个超参数？

是的。除非有一些你知道的超参数并不重要。对于那些你可以选择一个值并优化其余部分。例如，人们可能会随意决定使用两层和 sigmoid 激活，然后优化每一层的大小。

谢谢！我添加了从初始学习率、正则化参数和批量大小的值的随机化选择中获得的图表。我不明白为什么模型会以如此低的精度卡住......

【参考方案4】：

我不知道任何特定于 tensorflow 的工具，但最好的策略是首先从基本的超参数开始，例如学习率 0.01、0.001、weight_decay 0.005、0.0005。然后调整它们。如果您使用的是 caffe，手动执行此操作将花费大量时间，以下是从一组输入值中获取超参数并为您提供最佳设置的最佳选项。

https://github.com/kuz/caffe-with-spearmint

有关更多信息，您也可以按照本教程进行操作：

http://fastml.com/optimizing-hyperparams-with-hyperopt/

对于层数，我建议你先做小网络，增加数据，等你有足够的数据后，再增加模型复杂度。

【参考方案5】：

开始之前：

将batch size 设置为适用于您的硬件的最大值（或2 的最大幂）。只需增加它，直到出现 CUDA 错误（或系统 RAM 使用率 > 90%）。 将正则化设置为低值。 神经元和层的架构和确切数量 - 使用已知架构作为灵感，并根据您的特定性能要求对其进行调整：更多层和神经元 -> 可能是更强大但更慢的模型。

那么，如果你想一个一个地做，我会这样：

在大范围内调整learning rate。

调整优化器的其他参数。

调整正则化（dropout、L2 等）。

微调learning rate - 这是最重要的超参数。