SWA(Stochastic Weight Averaging)实验
有论文说swa能涨分,那么我来实验一下
那么我将在cifar10数据集上进行实验
原理
论文地址:https://arxiv.org/pdf/2012.12645.pdf
SGD倾向于收敛到loss的平稳区域 平稳区域的大部分都处于边界,由于权重空间的维度比较高,SGD通常只会走到这些平稳区域的边界;SWA通过平均多个SGD的权重参数,使其能够达到平稳区域的中心.
为什么要去中心化呢?trainloss 最小的时候test error并不是最小,那么也就是泛化能力最好的地方不在train loss最小的地方。所以采用这个方法可以收敛到一个wide minima,这个wide minima有更好的泛化性;
在一个loss landscape上做visualization,优化分析,让他收敛到一个更好的local minima(极小值)
如何能收敛到这个泛化性更好的地方呢,那么采用SWA(类似优化器)能找到更好的local minima,故而泛化能力更好
wide minima数据集拟合极小值,类似定义的函数求各个参数拟合的极小值,而这个值不一定是loss最小的地方。因为loss不一定能反应拟合的曲线最小的函数。所以有时候需要更换loss
实验
模型采用:
shufflenet_v2_x0_5
数据集是cifar10
首先是没有用SWA
https://github.com/carlsummer/python_developer_tools/blob/main/python_developer_tools/cv/classes/demo/train_cifar10.py
然后是用swa
https://github.com/carlsummer/python_developer_tools/blob/main/python_developer_tools/cv/train/%E4%BA%8C%E9%98%B6%E6%AE%B5%E8%AE%AD%E7%BB%83/swa_pytorch.py
实验结果表明:
用之前41%用之后69%
推荐库:https://github.com/carlsummer/python_developer_tools
参考
https://pytorch.org/docs/master/optim.html?highlight=swa_utils
SWA(Stochastic Weight Averaging)实验相关推荐
- 模型泛化技巧“随机权重平均(Stochastic Weight Averaging, SWA)”介绍与Pytorch Lightning的SWA实现讲解
文章目录 SWA简介 SWA公式 SWA常见参数 Pytorch Lightning的SWA源码分析 SWALR 参考资料 SWA简介 SWA,全程为"Stochastic Weight A ...
- 目标检测之五:随机权值平均(Stochastic Weight Averaging,SWA)---木有看懂
随机权值平均(Stochastic Weight Averaging,SWA) 随机权值平均只需快速集合集成的一小部分算力,就可以接近其表现.SWA 可以用在任意架构和数据集上,都会有不错的表现.根据 ...
- 炼丹系列2: Stochastic Weight Averaging (SWA) Exponential Moving Average(EMA)
这个系列将记录下本人平时在深度学习方面觉得实用的一些trick,可能会包括性能提升和工程优化等方面. 该系列的代码会更新到Github 炼丹系列1: 分层学习率&梯度累积 炼丹系列2: Sto ...
- Stochastic Weight Averaging (SWA) 随机权重平均
文章目录 相关链接 基础 思路 主要内容 概括 SWA图示 SWA算法 LR The Algorithm Batch normalization 在PyTorch中使用swa 最佳实践 Demo 最近 ...
- Stochastic Weight Averaging
PyTorch从1.6.0版本以后开始支持Stochastic Weight Averaging. That is, after the conventional training of an obj ...
- 神经网络优化中的Weight Averaging
©PaperWeekly 原创 · 作者|张子逊 研究方向|神经网络剪枝.NAS 在神经网络优化的研究中,有研究改进优化器本身的(例如学习率衰减策略.一系列 Adam 改进等等),也有不少是改进 no ...
- 论文笔记:Stochastic Weight Completion for Road Networks using Graph Convolutional Networks
ICDE2019 pytorch 笔记: 复现论文 Stochastic Weight Completion for Road Networks using Graph Convolutional N ...
- SCAFFOLD: Stochastic Controlled Averaging for Federated Learning
背景 传统的联邦学习在数据异构(non-iid)的场景中很容易产生"客户漂移"(client-drift)的现象,这会导致系统的收敛不稳定或者缓慢 贡献 提出了考虑到client ...
- SCAFFOLD: Stochastic Controlled Averaging for Federated Learning学习
SCAFFOLD: Stochastic Controlled Averaging for Federated Learning学习 背景 贡献 论文思想 算法 局部更新方式 全局更新方式 实验 总结 ...
最新文章
- SpringCloud断路器hystrix
- 菜鸟教程python正则表达式_Python正则表达式常用函数菜鸟教程
- xhr如何发送post请求_js实现ajax的post请求步骤
- mysql workbench 监控_mysql 使用workbench工具,表状态为read only的解决方法
- php 精度计算问题
- webview中cookie的读取与保存
- Mysql调优ref_【总结】mysql调优
- oracle存货管理系统,存货管理系统的功能模块有哪些?
- 关于Google Play这个应用市场app signing的坑
- win10专业版关闭Windows Defender Antivirus
- xp系统计算机怎么连接到网络打印机,老司机教你win7如何连接共享xp打印机
- 思科 mds 虚拟服务器,保护、扩展、简化,思科MDS9000系列交换机,刷新存储网络新标准!...
- python使用pandas输出多级标题excel
- 【WebGIS】leaflet入门-自定义MarkerIcon
- java xml最火的的工具_几种高效的Java工具类推荐
- OJ题——吃货排排坐
- 小明发布_历时一年零四个月,付出终有回报!救助站无微不至的照顾,头条四次跟进发布寻亲信息,最终帮助受助青年找到家人...
- Friends经典对白
- 3. 使用K8S部署tomcat
- webots自学笔记(二)节点与机器人建模