卷积神经网络调参

optimizer 优化器

SGD

SGD就是我们常说的随机梯度下降算法。

这边应该根据之前的学习，理解这个公式不难。

momentum

momentum 这个单词的意思就是动量，个人理解可以把这个更偏向理解成惯性，具体的含义就是在上面的更新公式上加上一个惯性，也就是说我们每次更新w的时候还要加上上一次运动的效果。

当使用动量时，则把每次 x的更新量v考虑为本次的梯度下降量 −ηdw与上次 w的更新量v乘上一个介于[0, 1]的因子momentum的和，即 v为

如果这一时刻更新度 vt与上一时刻更新度 vt−1的方向相同，则会加速。反之，则会减速。加动量的优势有两点：

1. 加速收敛
2. 提高精度(减少收敛过程中的振荡)

AdaGrad

调整学习率：学习率随着训练次数的增加越来越小。

这边也可以看一下代码实现：

AdaGrad 算法
前期，regularizer 较小，放大梯度
后期，regularizer 较大，缩小梯度
梯度随训练次数降低，每个分量有不同的学习率。

AdaGrad 算法缺点
学习率设置太大，导致 regularizer 影响过于敏感
后期，regularizer 累积值太大，提前结束训练

RMSProp

Adagrad 的变种
由累积平方梯度变为平均平方梯度
解决了后期提前结束的问题

adam

又加入了一个校准，校准的目的是一开始时，让 first_moment 和second_moment 都变的稍微大一些。

学习率自适应

K 是一个系数，t 是迭代次数，也就是 epoch

经验之谈

对于稀疏数据，使用学习率可自适应方法。
SGD 通常训练时间更长，最终效果比较好，但需要好的初始化和 learning rate。
需要训练较深较复杂的网络且需要快速收敛时，推荐使用 adam。设定一个比较小的 learning rate 值，Adagrad，RMSprop ，Adam 是比较相近的算法，在相似的情况下表现差不多。

激活函数

常见的激活函数：

Sigmoid

特点：

1. 输入非常大或非常小时没有梯度
2. 输出均值非 0（但是在归一化后，我们得到的是均值为零，方差为 1 的分布，sigmoid 会造成均值为非 0，又改变了分布）
3. Exp 计算复杂导致计算机计算会更慢
4. 梯度消失Sigmoid 1/1+e-x求导 df(x)/dx = f(x)(1-f(x)) 因为 f(x)是 0 到 1 之间的值，1-f(x)也是零到 1 之间的，因此随着层数的增加，梯度就变为 10 的-n 次方，会越乘越小。

Tanh

1. 依旧没有梯度
2. 输出均值是 0—相对于 sigmoid 的好处
3. 计算复杂

ReLU

优点：
1.使用 ReLU 的 SGD 算法的收敛速度比 sigmoid 和 tanh 快。
2. 在 x>0 区域上，不会出现梯度饱和、梯度消失的问题。
3. 计算复杂度低，不需要进行指数运算，只要一个阈值就可以得到激活值。

缺点：

1. ReLU 的输出不是 0 均值的。
2. Dead ReLU Problem(神经元坏死现象)：ReLU 在负数区域被 kill 的现象叫做 dead relu。ReLU在训练的时很“脆弱”。在 x<0 时，梯度为 0。这个神经元及之后的神经元梯度永远为 0，不再对任何数据有所响应，导致相应参数永远不会被更新。一个非常大的梯度流过神经元，不会再对数据有激活现象了，”很大的梯度流过神经元" 的意思就是指 该神经元相关的参数被梯度下降算法更新了一次。
   比如原来的参数可能是：[-10, 5, 7], 然后突然来了一个梯度是[-100, -100, -100], 这样参数就更新成了 [-110, -95, -93]。 然后如果接下来的收到的数据都是[a, b, c], 其中 a, b, c >=0, 这个时候神经元的输出恒为 0，于是不会再有梯度传回来。因而参数得不到更新，也就变成了 dead cell 了。

产生这种现象的两个原因：参数初始化问题；learning rate 太高导致在训练过程中参数更新太大。
解决方法：采用 Xavier 初始化方法，以及避免将 learning rate 设置太大或使用 adagrad 等自动调节 learning rate 的算法。

Leaky-ReLU

渗漏整流线性单元(Leaky ReLU)，为了解决 dead ReLU 现象。用一个类似 0.01 的小值来初始化神经元，从而使得 ReLU 在负数区域更偏向于激活而不是死掉。这里的斜率都是确定的。

指数线性单元(ELU)

具有 relu 的优势，没有 Dead ReLU 问题，输出均值接近 0，实际上 PReLU 和 Leaky ReLU 都有这一优点。有负数饱和区域，从而对噪声有一些鲁棒性。可以看做是介于 ReLU 和 Leaky ReLU 之间的一个函数。当然，这个函数小于零时也需要计算 exp，从而计算量大。

Maxout（基本不用）

ReLU 的泛化版本
没有 dead relu
但是参数翻倍，之前只有一个 w 和 b，现在有两个 w 和 b
优点：

1. Maxout 的拟合能力非常强，可以拟合任意的凸函数。
2. Maxout 具有 ReLU 的所有优点，线性、不饱和性。
3. 不会出现神经元坏死的现象。
   缺点：增加了参数量。显然。。。。这计算量太大了。。。常规的激活函数就只是单纯的函数而已。。而 maxout 还需要反向传播去更新它自身的权重系数。。。

经验之谈

Relu-小心设置 learning rate（初始值不要太大）
不要使用 sigmoid（relu 出现后，就不用它了，收敛太慢）
使用 Leaky Relu、maxout、ELU
可以试试 tanh，但不要抱太大期望（因为计算量大)

初始化

全部为 0

单层网络可以
多层网络会使梯度消失

判断初始化好不好

查看初始化后各层的激活值分布，激活值就是经过激活函数后的值，如果分布是固定的在-1到 1，或者 0 到 1 之间，那没问题，如果集中在某一个值，那就不太好。

均值为 0，方差为 0.02 的正态分布初始化—tanh
如下图所示（一次往后看是经过每一层后的效果）：高层均值为 0，没有梯度

均值为 0，方差为 1 的正态分布初始化-tanh
如下图所示：高层均值为-1,1，已经饱和

可以看到 Xavier 分布在 tanh 上表现不错

如下图所示，可以看到 Xavier 分布在 ReLU 上表现并不好

Resnet 的何凯明发明了 He 的初始化，也就是变为 fan_in/2，从而对Relu效果好一些

批归一化（BN）

经过上面的一层层激活函数之后，我们会发现数据分明的效果会越来越差，那我们需要做的可能就是批归一化。

数据增强

之前介绍过图像的数据增强，这边略，知道有这种方法即可。

更多的调参方法

拿到更多的数据
给神经网络添加层次
紧跟最新进展，使用新方法
增大训练的迭代次数
尝试正则化 ||w||2 使用更多的 GPU 来加速训练
可视化工具来检查中间状态

保存模型后调用或再次训练

参考链接：
链接

例子：

# Include the epoch in the file name (uses `str.format`)
checkpoint_path = "training_2/cp-{epoch:04d}.ckpt"
checkpoint_dir = os.path.dirname(checkpoint_path)

batch_size = 32

# Create a callback that saves the model's weights every 5 epochs
cp_callback = tf.keras.callbacks.ModelCheckpoint(
    filepath=checkpoint_path, 
    verbose=1, 
    save_weights_only=True,
    save_freq=5*batch_size)

# Create a new model instance
model = create_model()

# Save the weights using the `checkpoint_path` format
model.save_weights(checkpoint_path.format(epoch=0))

# Train the model with the new callback
model.fit(train_images, 
          train_labels,
          epochs=50, 
          batch_size=batch_size, 
          callbacks=[cp_callback],
          validation_data=(test_images, test_labels),
          verbose=0)

输出：

Epoch 5: saving model to training_2/cp-0005.ckpt

Epoch 10: saving model to training_2/cp-0010.ckpt

Epoch 15: saving model to training_2/cp-0015.ckpt

Epoch 20: saving model to training_2/cp-0020.ckpt

Epoch 25: saving model to training_2/cp-0025.ckpt

Epoch 30: saving model to training_2/cp-0030.ckpt

Epoch 35: saving model to training_2/cp-0035.ckpt

Epoch 40: saving model to training_2/cp-0040.ckpt

Epoch 45: saving model to training_2/cp-0045.ckpt

Epoch 50: saving model to training_2/cp-0050.ckpt
<keras.callbacks.History at 0x7f56e00d5ee0>

现在，检查生成的检查点并选择最新检查点：

os.listdir(checkpoint_dir)

输出：

['cp-0020.ckpt.data-00000-of-00001',
 'cp-0005.ckpt.index',
 'cp-0025.ckpt.data-00000-of-00001',
 'cp-0005.ckpt.data-00000-of-00001',
 'cp-0000.ckpt.data-00000-of-00001',
 'cp-0035.ckpt.index',
 'cp-0045.ckpt.data-00000-of-00001',
 'cp-0015.ckpt.data-00000-of-00001',
 'cp-0040.ckpt.data-00000-of-00001',
 'cp-0050.ckpt.index',
 'cp-0020.ckpt.index',
 'cp-0045.ckpt.index',
 'cp-0025.ckpt.index',
 'cp-0030.ckpt.index',
 'cp-0000.ckpt.index',
 'cp-0030.ckpt.data-00000-of-00001',
 'cp-0040.ckpt.index',
 'cp-0050.ckpt.data-00000-of-00001',
 'cp-0010.ckpt.data-00000-of-00001',
 'cp-0035.ckpt.data-00000-of-00001',
 'checkpoint',
 'cp-0010.ckpt.index',
 'cp-0015.ckpt.index']

latest = tf.train.latest_checkpoint(checkpoint_dir)
latest

输出：

'training_2/cp-0050.ckpt'

要进行测试，请重置模型并加载最新检查点

# Create a new model instance
model = create_model()

# Load the previously saved weights
model.load_weights(latest)

# Re-evaluate the model
loss, acc = model.evaluate(test_images, test_labels, verbose=2)
print("Restored model, accuracy: {:5.2f}%".format(100 * acc))

输出：

32/32 - 0s - loss: 0.4798 - sparse_categorical_accuracy: 0.8800 - 156ms/epoch - 5ms/step
Restored model, accuracy: 88.00%

相同的还有保存整个模型的，这个就看那个链接吧，这边不细说。