Deep Learning - Overfitting e Dropout

conceito básico

O que é overfitting?

O overfitting é um dos problemas comuns no aprendizado de máquina e no aprendizado profundo. Refere-se ao fenômeno de que o modelo tem um bom desempenho nos dados de treinamento, mas um desempenho ruim em novos dados não vistos.
O overfitting ocorre quando um modelo aprende demais os detalhes e o ruído dos dados de treinamento, ignorando as regularidades e padrões gerais dos dados. O overfitting ocorre porque o modelo é muito complexo ou tem poucos dados de treinamento, fazendo com que o modelo memorize cada detalhe nos dados de treinamento, falhando assim na generalização para novos dados.

Solução

1. Aumente a quantidade de dados de treinamento: Ao adicionar mais dados de treinamento, o modelo pode aprender melhor as leis gerais dos dados, em vez de depender muito de um pequeno número de amostras de dados.
2. Simplificar o modelo: reduzir a complexidade do modelo, como reduzir o número de camadas da rede, reduzir o número de nós, reduzir o número de parâmetros, etc., reduzindo assim o risco de overfitting.
3. Use técnicas de regularização: como regularização L1, regularização L2, etc., adicionando itens de regularização à função de perda para punir pesos excessivos e evitar que o modelo superajuste os dados de treinamento.
4. Use Dropout: Descarte aleatoriamente alguns neurônios durante o treinamento para reduzir a complexidade do modelo e ajudar a evitar o overfitting.
5. Validação cruzada: Use a validação cruzada para avaliar o desempenho do modelo e avalie a capacidade de generalização do modelo por meio de diferentes subconjuntos de conjuntos de treinamento e conjuntos de teste.

Cair fora

Dropout é uma técnica de regularização usada para reduzir problemas de overfitting e é frequentemente usada em treinamento de redes neurais profundas. é um método de descartar neurônios aleatoriamente.
Em uma rede neural normal, cada neurônio realiza o cálculo do peso e a transmissão da entrada, de modo que cada neurônio pode contribuir demais, fazendo com que a rede superajuste os dados de treinamento. Dropout descarta aleatoriamente alguns neurônios durante o processo de treinamento, ou seja, define a saída de alguns neurônios para 0 com uma certa probabilidade durante o processo de propagação para frente, o que pode forçar a rede neural a aprender recursos mais robustos.

Comparação de adicionar camada de eliminação e não adicionar camada de eliminação

import torch
import matplotlib.pyplot as plt

# 用于复现
# torch.manual_seed(1)    # reproducible

# 20个数据点
N_SAMPLES = 20
# 隐藏层的个数为300
N_HIDDEN = 300

# training data
# 在-1到1之间等差取N_SAMPLES个点，然后再加维度，最终的数据变为N_SAMPLES行、1列的向量
x = torch.unsqueeze(torch.linspace(-1, 1, N_SAMPLES), 1)
# 在均值为0、标准差为1的正态分布中采样N_SAMPLES个点的值，然后乘0.3，加上x，最后得到x对应的y值
y = x + 0.3*torch.normal(torch.zeros(N_SAMPLES, 1), torch.ones(N_SAMPLES, 1))

# test data
test_x = torch.unsqueeze(torch.linspace(-1, 1, N_SAMPLES), 1)
test_y = test_x + 0.3*torch.normal(torch.zeros(N_SAMPLES, 1), torch.ones(N_SAMPLES, 1))

# show data
plt.scatter(x.data.numpy(), y.data.numpy(), c='magenta', s=50, alpha=0.5, label='train')
plt.scatter(test_x.data.numpy(), test_y.data.numpy(), c='cyan', s=50, alpha=0.5, label='test')
plt.legend(loc='upper left')
plt.ylim((-2.5, 2.5))
plt.show()

# 快速搭建神经网络，不加dropout层
net_overfitting = torch.nn.Sequential(
    torch.nn.Linear(1, N_HIDDEN),
    torch.nn.ReLU(),
    torch.nn.Linear(N_HIDDEN, N_HIDDEN),
    torch.nn.ReLU(),
    torch.nn.Linear(N_HIDDEN, 1),
)

# 加了dropout层的
net_dropped = torch.nn.Sequential(
    torch.nn.Linear(1, N_HIDDEN),
    torch.nn.Dropout(0.5),  # drop 50% of the neuron
    torch.nn.ReLU(),
    torch.nn.Linear(N_HIDDEN, N_HIDDEN),
    torch.nn.Dropout(0.5),  # drop 50% of the neuron
    torch.nn.ReLU(),
    torch.nn.Linear(N_HIDDEN, 1),
)

print(net_overfitting)  # net architecture
print(net_dropped)

# 使用Adam优化神经网络的参数
optimizer_ofit = torch.optim.Adam(net_overfitting.parameters(), lr=0.01)
optimizer_drop = torch.optim.Adam(net_dropped.parameters(), lr=0.01)
# 误差函数使用MSELoss
loss_func = torch.nn.MSELoss()

# 开启交互式绘图
plt.ion()   # something about plotting

# 训练五百步
for t in range(500):
    # 将x输入到不加dropout层的神经网络中，得预测值
    pred_ofit = net_overfitting(x)
    # 将x输入到加了dropout层的神经网络中，得预测值
    pred_drop = net_dropped(x)
    # 计算loss
    loss_ofit = loss_func(pred_ofit, y)
    # 计算loss
    loss_drop = loss_func(pred_drop, y)

    # 梯度清零
    optimizer_ofit.zero_grad()
    optimizer_drop.zero_grad()
    # 误差反向传播
    loss_ofit.backward()
    loss_drop.backward()
    # 优化器逐步优化
    optimizer_ofit.step()
    optimizer_drop.step()

    # 每10步进行更新
    if t % 10 == 0:
        """
            net_overfitting.eval()和net_dropped.eval()是将两个神经网络模型切换到评估模式，
            用于在测试数据上进行稳定的前向传播，得到准确的预测结果。
        """
        # change to eval mode in order to fix drop out effect
        net_overfitting.eval()
        net_dropped.eval()  # parameters for dropout differ from train mode

        # plotting
        plt.cla()
        test_pred_ofit = net_overfitting(test_x)
        test_pred_drop = net_dropped(test_x)
        plt.scatter(x.data.numpy(), y.data.numpy(), c='magenta', s=50, alpha=0.3, label='train')
        plt.scatter(test_x.data.numpy(), test_y.data.numpy(), c='cyan', s=50, alpha=0.3, label='test')
        plt.plot(test_x.data.numpy(), test_pred_ofit.data.numpy(), 'r-', lw=3, label='overfitting')
        plt.plot(test_x.data.numpy(), test_pred_drop.data.numpy(), 'b--', lw=3, label='dropout(50%)')
        plt.text(0, -1.2, 'overfitting loss=%.4f' % loss_func(test_pred_ofit, test_y).data.numpy(), fontdict={
    
    'size': 20, 'color':  'red'})
        plt.text(0, -1.5, 'dropout loss=%.4f' % loss_func(test_pred_drop, test_y).data.numpy(), fontdict={
    
    'size': 20, 'color': 'blue'})
        plt.legend(loc='upper left')
        plt.ylim((-2.5, 2.5))
        plt.pause(0.1)

        # change back to train mode
        """
            在训练模式下，神经网络中的Dropout层将会生效，即在前向传播过程中会随机丢弃一部分神经元。
            这是为了在训练阶段增加模型的鲁棒性，避免过拟合。
        """
        net_overfitting.train()
        net_dropped.train()

# 关闭交互模式
plt.ioff()
plt.show()

resultado em execução