一.前言：
目前我们对深度学习的研究只是工程科学，所能优化的点做有效的方式只能是有目的的做实验，下面就将pytorch的bi-gru分类模型的调优过程附上。
二.背景：
使用tf的效果85%/32%,keras是85%/34%,而pytorch的效果只有85%/22%，网络结构基本相同，都是bi-gru，所不同的只是评估样本和优化器。需要做的是和tensorflow和keras的效果打平，从优化器的学习速率调优上，就可以做到这一点，可见学习率对一个训练器的重要程度。
三.实验过程：
1. 一开始的 lr：0.5，decay：0.08， 准85%/召0.000%, auc:0.78， 不收敛-------^^^^
2.既然不收敛，调整lr为0.01， decay：0.8试一下：结果：到20%了，还需提高^_^
auc:0.9485560449492769
高分段:['0.6605', '0.8519', '0.2035']
3.lr再稍微往上调一点试试：初始lr为0.05， 效果出来了，挺好：到32%了
4. decay为0，也就是不衰减会怎样？ lr调成0.01不变试试：也还好，比衰减差3个点
auc:0.9589003424257141
高分段:['0.5628', '0.8526', '0.2942']
5.用流行的schedule_optimizer,三角学习率，lr 先升后降的学法试试：
auc:0.963233359864019
高分段:['0.5980', '0.8516', '0.3429']
哦也，到34%了，果然圣贤足迹是不容置疑的 ^ __ ^
四.结论：
学习速率的调整对效果影响显著
学习速率过大，则无法找到最优点，局部最优点也无法定位，因此无法收敛；
学习速率过小，则只能徘徊在一段空间附近，只能找到局部最优，或者无法找到最优点。
实验证明，最优的学习速率方案是先有个warmup步长，进行学习速率上升， 经过warmup到达最高点，然后逐渐下降。
一定要找到一个合理的学习速率，使全局的学习速率保持到这个均值，才能达到比较好的效果，比如这次bi-gru的调整最优的平均速率是0.01
五.使用pytorch的心得及结论（一些定理）：
1. 在保持学习速率均值的情况下，三角学习率> 按照auc逐步衰减> 保持均值不变；
2. 交叉验证的效果好于特定的验证集，最好的训练效果是交叉验证，最后用测试集进行评估，也就是说，训练集、校正集、评估集是三个集合，不做交叉。
3.网络merge的最好组合方法： merge的最好组合，是模型差异性越大越好，多次实验证明：单模型效果稍差的情况下，cnn与lstm的merge会好于两个lstm的merge效果，
模型差异性大的结果进行merge，会得到最好的效果。
4. fintune微调的最优方式：1. 数据量：fintune预训练的集合数据量> 精细标注样本的数据量 2.层冻结：将后面的全连接层与loss计算部分冻结，只fintune 词向量层及编码层，效果较好。
网友评论