论文链接：paper
Hinton大神19年发表在NIPS的论文
Summary：多分类的任务通常可以通过Label Smoothing(LS)来提升泛化性，具体做法是在hard label的基础上增加一个均匀分布来使目标值变得soft。本文通过一系列实验和可视化证明了label smoothing到底带来了哪些变化，除了提升泛化性还有哪些好处，以及LS和知识蒸馏之间的冲突。
Conclusion
- LS可以是不同分类的cluster变得更紧密
- LS可以提升算法的calibration
- LS会降低蒸馏的效果（对teacher做LS，会让student的效果变差）
Preliminaries
- 在图像分类、语音识别、机器翻译中，使用LS的效果：
image.png
- hard label的情况下loss计算（K个分类）：
image.png
image.png
- label smoothing中调整y值：
image.png
提升效果：Penultimate layer representation（倒数第二层layer的表达）
LS和hard label的对比：
- LS：正确类别和所有错误类别的logits都相差常数
- hard label: 正确类别的logits大于错误类别的logits & 错误类别的logits彼此不同
直觉上，通过pk公式中的xT*wk可以把类别k的logits看做是类别k的模板wk和输入x之间的欧氏距离:
image.png
image.png
当x距离某个分类K的模板距离更近时，x属于K分类的概率就越大。
从这个角度看，LS鼓励penultimate layer接近正确类别的模板，并且距离其他错误类别模板相等。
可视化：4行对应4个数据集&类别
- CIFAR-10数据集，飞机、车、鸟
- CIFAR-100数据集，海狸、海豚、水獭
- ImageNet数据集，x鱼、狐獴、x刀，相差很大
- ImageNet数据集，a贵宾犬、b贵宾犬、x鱼，前两个类别很相似
可以看到，LS会让每个类别的cluster变得更加tight
image.png
image.png
提升calibration（防止model过于自信）
model输出的logits应该表明了confidence，理想情况下，这个值应该和accuracy是相等的。换言之，收集所有model输出概率是0.7的样本，accuracy也应该是0.7。但是实际上深度学习模型经常会过于自信。接下来通过ECE（expected calibration error）来衡量模型过于自信的程度。
根据之前的经验，Temprature scaling可以降低ECE。这篇paper证明了LS也可以降低ECE。
- 图片分类：α是LS的超参，T是Temprature scaling的超参
image.png
- 机器翻译：在分类任务中，ECE可能不是很重要（比起来ACC）但是在seq2seq的生成任务中，由于需要做beam search，ECE也很重要
image.png
左边的两个图，对比是否使用LS的情况下，不同T的模型效果：蓝线是BLEU score，红线是NLL(negative log-likelihood）。左图是hard label，中间图是LS
右边的图，有叉叉的是LS的，对比的是在任何T下，LS的NLL都没有变好，所以实际上LS在没有提升NLL的情况下，提升了BLEU
image.png
知识蒸馏
如果在teacher model中增加LS的优化，teacher model的效果会变好，但是蒸馏的student的模型反而会变差。
在没有LS的时候，各个错误类别的logits不同，这个携带了信息，而且有些正确类别的样本反而会更靠近错误类别（写得像7的2）。但是增加了LS之后，这些信息都被抹去了。
image.png
网友评论