1. Dropout
如果模型参数过多，而训练样本过少，容易陷入过拟合。过拟合的表现主要是：在训练数据集上loss比较小，准确率比较高，但是在测试数据上loss比较大，准确率比较低。Dropout可以比较有效地缓解模型的过拟合问题，起到正则化的作用。
Dropout，中文是随机失活，是一个简单又机器有效的正则化方法，可以和L1正则化、L2正则化和最大范数约束等方法互为补充。
在训练过程中，Dropout的实现是让神经元以超参数 的概率停止工作或者激活被置为0，
Dropout示意图
在训练过程中，Dropout会随机失活，可以被认为是对完整的神经网络的一些子集进行训练，每次基于输入数据只更新子网络的参数。
CS231n中的Dropout测试过程解读
在测试过程中，不进行随机失活，而是将Dropout的参数p乘以输出。
再来看Dropout论文中涉及到的一些实验：
MNist数据集上的实验
上图是作者在MNIST数据集上进行的Dropout实验，可以看到Dropout可以破坏隐藏层单元之间的协同适应性，使得在使用Dropout后的神经网络提取的特征更加明确，增加了模型的泛化能力。
另外可以从神经元之间的关系来解释Dropout，使用Dropout能够随机让一些神经元临时不参与计算，这样的条件下可以减少神经元之间的依赖，权值的更新不再依赖固有关系的隐含节点的共同作用，这样会迫使网络去学习更加鲁棒的特征。
再看一组实验，在隐藏层神经元数目不变的情况下，调节参数p，观察对训练集和测试集上效果的影响。
调节P观察影响
以上实验是对MNIST数据集进行的实验，随着p的增加， 测试误差先降后升，p在[0.4, 0.8]之间的时候效果最好，通常p默认值会被设为0.5。
还有一组实验是通过调整数据集判断Dropout对模型的影响：
调整数据集大小
在数据量比较少的时候，Dropout并没有给模型带来性能上的提升，但是在数据量变大的时候，Dropout则会带来比较明显的提升，这说明Dropout有一定正则化的作用，可以防止模型过拟合。
在pytorch中对应的Dropout实现如下：
>>> m = nn.Dropout(p=0.2)
>>> input = torch.randn(20, 16)
>>> output = m(input)
torch.nn.Dropout(p=0.5, inplace=False)
- p – probability of an element to be zeroed. Default: 0.5
-
inplace – If set to
True, will do this operation in-place. Default:False
对input没有任何要求，也就是说Linear可以，卷积层也可以。
2. Spatial Dropout
普通的Dropout会将部分元素失活，而Spatial Dropout则是随机将部分区域失失活, 这部分参考参考文献中的【2】，简单理解就是通道随机失活。一般很少用普通的Dropout来处理卷积层，这样效果往往不会很理想，原因可能是卷积层的激活是空间上关联的，使用Dropout以后信息仍然能够通过卷积网络传输。而Spatial Dropout直接随机选取feature map中的channel进行dropout，可以让channel之间减少互相的依赖关系。
在pytorch中对应Spatial Dropout实现如下：
torch.nn.Dropout2d(p=0.5, inplace=False)
- p (python:float, optional) – probability of an element to be zero-ed.
-
inplace (bool, optional) – If set to
True, will do this operation in-place
对输入输出有一定要求：
- input shape: (N, C, H, W)
- output shape: (N, C, H, W)
>>> m = nn.Dropout2d(p=0.2)
>>> input = torch.randn(20, 16, 32, 32)
>>> output = m(input)
此外对3D feature map中也有对应的torch.nn.Dropout3d函数，和以上使用方法除输入输出为(N, C, D, H, W)以外，其他均相同。
3. Stochastic Depth
在DenseNet之前提出，随机将ResNet中的一部分Res Block失活，实际操作和Dropout也很类似。在训练的过程中任意丢失一些Block, 在测试的过程中使用所有的block。使用这种方式， 在训练时使用较浅的深度(随机在resnet的基础上跳过一些层)，在测试时使用较深的深度，较少训练时间，提高训练性能，最终在四个数据集上都超过了ResNet原有的性能(cifar-10, cifar-100, SVHN, imageNet)
图源cs231n课程第7节
详解请看卷积神经网络学习路线（十一）| Stochastic Depth（随机深度网络）
4. DropBlock
一句话概括就是： 在每个feature map上按spatial块随机设置失活。
DropBlock示意图
Dropout对卷积层的效果没那么好（见图(b)）。文章认为是由于每个feature map中的点都对应一个感受野范围，仅仅对单个像素位置进行Dropout并不能降低feature map学习的特征范围，网络依然可以通过失活位置相邻元素学习对应的语义信息。所以作者提出一块一块的失活（见图(c)）, 这种操作就是DropBlock.
DropBlock有三个重要的参数：
- block size控制block的大小
- γ 控制有多少个channel要进行DropBlock
- keep prob类别Dropout中的p,以一定的概率失活
经过实验，可以证明block size控制大小最好在7x7， keep prob在整个训练过程中从1逐渐衰减到指定阈值比较好。
5. Cutout
Cutout和DropBlock非常相似，也是一个非常简单的正则化手段，下图是论文中对CIFAR10数据集进行的处理，移除输入图片中的一块连续区域。
Cutout示意图
此外作者也针对移除块的大小影响进行了实验，如下图：
Patch length对Accuracy的影响
可以看出，对CIFAR-10数据集来说，随着patch length的增加，准确率是先升后降。
可见在使用了Cutout后可以提高神经网络的鲁棒性和整体性能，并且这种方法还可以和其他正则化方法配合使用。不过如何选取合适的Patch和数据集有非常强的相关关系，如果想用Cutout进行实验，需要针对Patch Length做一些实验。
扩展：最新出的一篇Attentive CutMix中的有一个图很吸引人。作者知乎亲自答： https://zhuanlan.zhihu.com/p/122296738
Attentive CutMix
Attentive CutMix具体做法如下如所示：
Attentive CutMix
将原图划分为7x7的格子，然后通过一个小的网络得到热图，然后计算49个格子中top N个置信度最高的格子， 从输入图片中将这些网格对应的区域裁剪下来，覆盖到另一张待融合的图片上，用于训练神经网络。Ground Truth 的Label 也会根据融合的图片的类别和剪切的区域的大小比例而相应修改。至于上图猫和狗面部的重合应该是一个巧合。
6. DropConnect
DropConnect也是Dropout的衍生品，两者相似处在于都是对全连接层进行处理（DropConnect只能用于全连接层而Dropout可以用于全连接层和卷积层），两者主要差别在于：
-
Dropout是对激活的activation进行处理，将一些激活随机失活，从而让神经元学到更加独立的特征，增加了网络的鲁棒性。
-
DropConnect则是对链接矩阵的处理，具体对比可以看下图。
Dropout和DropConnect对比
DropConnect训练的时候和Dropout很相似，是随机采样一个矩阵M作为Mask 矩阵（值为0或者1），然后施加到W上。
7. 总结
本文属于一篇的科普文，其中有很多细节、公式还需要去论文中仔细品读。
在CS231N课程中，讲到Dropout的时候引申出来了非常多的这种类似的思想，其核心就是减少神经元互相的依赖，从而提升模型鲁棒性。和Dropout的改进非常相似的有Batch Normalization的一系列改进（这部分启发自知乎@mileistone）:
BN改进
一个feature map的shape为[N, C, H, W]
- Batch Norm是从NHW三个维度进行归一化
- Layer Norm是从CHW三个维度进行归一化
- Instance Norm是从HW两个维度进行归一化
- Group Nrom是从
上做归一化，将C分为几个独立的部分。
与之类似的Drop系列操作（shape=[N, C, H, W]）：
- Dropout是将NCHW中所有的特征进行随机失活,以像素为单位。
- Spatial Dropout是随机将CHW的特征进行随机失活，以channel为单位。
- DropBlock是随机将
的特征进行随机失活，以HW中一部分为单位。
- Stochastic Depth是随机跳过一个Res Block, 单位更大。
8. 参考文献
【1】 Dropout: A simple way to prevent neural networks from overfitting
【2】 Efficient object localization using convolutional networks.
【3】 Deep networks with stochastic depth.
【4】 DropBlock: A regularization method for convolutional networks.
【5】 Improved regularization of convolutional neural networks with cutout
【6】 Regularization of Neural Network using DropConnect
【7】Attentive CutMix: https://arxiv.org/pdf/2003.13048.pdf
网友评论