PyTorch 入坑十一： 损失函数、正则化----深刻剖析softmax+CrossEntropyLoss
这里写目录标题
- 概念
- Loss Function
- Cost Function
- Objective Function
- 正则化
- 损失函数
- 交叉熵损失函数nn.CrossEntropyLoss()
- 自信息
- 熵(信息熵)
- 相对熵（KL散度）
- 交叉熵
- 二分类
- 多分类
- 学习过程
- 同MSE(Mean Squared Error)相比的优势
- 工程实现中的问题与措施
- softmax的缺点
- PyTorch中 CEloss应用
- PyTorch中的其他损失函数
- nn.BCELoss
- nn.BCEWithLogitsLoss
概念
Loss Function
计算一个样本的损失：
Cost Function
整个训练集（或者batch）的损失平均值
Objective Function
目标函数是一个更广泛的概念，在机器学习中，目标函数包含Cost和Regularization（正则项）：
- 正则化：惩罚较大的参数，参数的值越小，通常对应于越光滑的函数，也就是更加简单的函数。因此 就不易发生过拟合的问题。
- 常用的有L1正则化和L2正则化
- L1更适用于更适用于特征选择；L2更适用于防止模型过拟合
- 更多细节参考 正则化的描述
正则化
方差的概念参考：方差
正则化策略的目的就是降低方差，减小过拟合的发生。
常用的手段有：L1正则化、L2正则化、Dropout、提前终止(早停)、数据扩增。
正则化这个话题比较大，待开一篇文章专门描述。
损失函数
交叉熵损失函数nn.CrossEntropyLoss()
- 交叉熵损失函数常常用于分类任务
- 交叉熵是衡量两个概率分布之间的差异。所以交叉熵值越低表示两个分布越近
自信息
自信息用于衡量单个事件的不确定性，其公式为：
熵(信息熵)
熵指的是信息熵，是自信息的期望。用来描述一个事件的不确定性，一个事件越不确定熵越大。熵是整个概率分布的不确定性，用来描述整个概率分布
伯努利分布的信息熵：
当事件的概率为0.5(如抛硬币)时，其信息熵最大，这也表示事件的不确定性最大，其熵最大值为0.69；如事件“明天太阳从东方生气”（概率极大），其信息熵比较小
相对熵（KL散度）
相对熵也称为KL散度，相对熵用于衡量两个分布之间的差异，也就是两个分布之间的距离，虽然相对熵可以计算两个分布之间的距离，但是相对熵不是一个距离函数，因为距离函数具有对称性，对称性指的是P到Q的距离等于Q到P的距离，但是相对熵不具备距离函数的对称性。
交叉熵
交叉熵、KL散度、信息熵的关系：
公式中的P是真实的概率分布，也就是训练集中样本的分布，Q是模型输出的分布，因为训练集是固定的，所以H ( P ) 是一个常数，所以交叉熵在优化的时候是优化相对熵。
下面看两个交叉熵具体计算的例子：
参考交叉熵损失函数
二分类
多分类
学习过程
交叉熵损失函数经常用于分类问题中，特别是在神经网络做分类问题时，也经常使用交叉熵作为损失函数。此外，由于交叉熵计算中需要输入属于某一类的概率，所以交叉熵几乎每次都和sigmoid(或softmax)函数一起出现。
我们用神经网络最后一层输出的情况，来看一眼整个模型预测、获得损失和学习的流程：
- 神经网络最后一层得到每个类别的得分scores
- 该得分经过sigmoid(或softmax)函数获得概率输出；
- 模型预测的类别概率输出与真实类别的one hot形式进行交叉熵损失函数的计算。
同MSE(Mean Squared Error)相比的优势
首先来看sigmoid+MSE的缺点：
- 一句话总结：分类问题中，使用sigmoid/softmx得到概率，配合MSE损失函数时，采用梯度下降法进行学习时，会出现模型一开始训练时，学习速率非常慢的情况
- 具体来说，在sigmoid层的的输入较大或者较小时，激活函数输出接近于1或者0，导致Loss相对于W的梯度接近0，学习困难。
sigmoid+ CELoss的优点
如公式所示，Loss关于最后一层的w梯度中，si表示sigmoid的输入，yi为label，xi为sigmoid之前的全连接层的输入。
xi -> 全链接层 -> si -> sigmoid层 -> CEloss层。
公式表明，当激活函数层的输出同label差异较大时，L关于w的梯度会较大，从而快速学习。[同生活中“因为明显的犯错可以快速地学习到正确的东西”比较一致]
工程实现中的问题与措施
- softmax自身导致的数值问题
- Softmax loss = softmax和交叉熵(cross-entropy loss)loss组合而成。
- 所以全称是softmax with cross-entropy loss。
- 在caffe，tensorflow等开源框架的实现中，直接将两者放在一个层中，而不是分开不同层，可以让数值计算更加稳定，因为正指数概率可能会有非常大的值
- 参考 softmax数值稳定性 softmax数值稳定性2
softmax的缺点
前面说到，softmax一般配合CEloss一起使用。但是softmax这个操作具体什么含义呢。
- softmax与hardmax
在CNN的分类问题中，我们的ground truth是one-hot形式，下面以四分类为例，理想输出应该是（1，0，0，0），或者说（100%，0%，0%，0%），这就是我们想让CNN学到的终极目标。
网络输出的幅值千差万别，输出最大的那一路对应的就是我们需要的分类结果。通常用百分比形式计算分类置信度，最简单的方式就是计算输出占比，这种最直接最最普通的方式，相对于soft的max，在这里我们把它叫做hard的max。
而现在通用的是soft的max，将每个输出x非线性放大到exp(x)
这样做有什么区别呢，看下面的例子：
相同输出特征情况，soft max比hard max更容易达到终极目标one-hot形式，或者说，softmax降低了训练难度，使得多分类问题更容易收敛。同时Softmax鼓励真实目标类别输出比其他类别要大，但并不要求大很多。对于人脸识别的特征映射（feature embedding）来说，Softmax鼓励不同类别的特征分开，但并不鼓励特征分离很多，如上表（5，1，1，1）时loss就已经很小了，此时CNN接近收敛梯度不再下降。
- Softmax训练的深度特征，会把整个超空间或者超球，按照分类个数进行划分，保证类别是可分的，这一点对多分类任务如MNIST和ImageNet非常合适，因为测试类别必定在训练类别中。封闭集任务有效
- 但Softmax并不要求类内紧凑和类间分离，这一点非常不适合人脸识别任务，因为训练集的1W人数，相对测试集整个世界70亿人类来说，非常微不足道，而我们不可能拿到所有人的训练样本，更过分的是，一般我们还要求训练集和测试集不重叠。
- 所以需要改造Softmax，除了保证可分性外，还要做到特征向量类内尽可能紧凑，类间尽可能分离，常见的有L-softmax等
PyTorch中 CEloss应用
PyTorch中 CrossEntropyLoss 等价于 LogSoftmax + NLLLoss
CrossEntropyLoss 等价于 LogSoftmax + NLLLoss
PyTorch中的其他损失函数
nn.BCELoss
功能：二分类交叉熵；
nn.BCEWithLogitsLoss
BCEWithLogitsLoss就是把Sigmoid-BCELoss合成一步
更多loss参考PyTorch中更多loss说明
PyTorch 入坑十一： 损失函数、正则化----深刻剖析softmax+CrossEntropyLoss相关推荐
- PyTorch 入坑七：模块与nn.Module学习
PyTorch 入坑七 模型创建概述 PyTorch中的模块 torch模块 torch.Tensor模块 torch.sparse模块 torch.cuda模块 torch.nn模块 torch.n ...
- PyTorch入坑(一)~(三): Tensor的概念，基本操作和线性回归
PyTorch 一文入门 PyTorch 入坑一:数据类型与Tensor的概念 PyTorch数据类型 Tensor的概念 Tensor与Variable Variable Tensor Tensor ...
- PyTorch 入坑四 梯度、链式法则、计算图与反向传播
PyTorch 一文入门 PyTorch 入坑四:计算图与反向传播 导数.梯度与最优化 方向导数与梯度 最优化 复合函数求梯度 计算图 PyTorch实战 PyTorch中的动态图机制 PyTorch ...
- PyTorch 入坑五 autograd与逻辑回归
torch.autograd 深度学习模型的训练就是不断更新权值,权值的更新需要求解梯度,梯度在模型训练中是至关重要的. 然而求解梯度十分繁琐,pytorch提供自动求导系统.我们不需要手 ...
- PyTorch 入坑九：权重初始化
这里写目录标题 Pytorch提供的十种权值初始化方法 为什么要进行权重初始化设计:从梯度消失与爆炸说起 常用的几种权重初始化方法 不考虑激活函数 饱和型激活函数 xavier_uniform方法 非 ...
- PyTorch 入坑八：卷积与转置卷积
卷积 操作 略 输入输出尺寸变化 略 PyTorch实现 nn.Conv2d(in_channels,out_channels,kernel_size,stride=1.padding=0,dilat ...
- PyTorch 入坑六 数据处理模块Dataloader、Dataset、Transforms
深度学习中的数据处理概述 深度学习三要素:数据.算力和算法 在工程实践中,数据的重要性越来越引起人们的关注.在数据科学界流传着一种说法,"数据决定了模型的上限,算法决定了模型的下限" ...
- 微信小程序入坑教程二十一：使用wx.saveImageToPhotosAlbum保存图片时通过检测scope.writePhotosAlbum权限来提醒用户是否需要授权
摘要: 在昨天的文章<微信小程序入坑教程二十:生成海报前使用wx.downloadFile或wx.getImageInfo时潜在的坑>中提到了用户授权一事,scope.writePhoto ...
- 传奇工程师卡马克入坑 AI：徒手一周实现反向传播和 CNN
约翰 · 卡马克是何方神圣? 谁是约翰 · 卡马克? 他是一位集传奇工程师.大神.疯狂程序员.黑客之神.第一人称射击游戏之父.业界活化石.一代玄学码神所有称号为一身的老牌程序员,一举一动都牵动人心. ...
最新文章
- 九宫格抽奖转盘源码分析
- android html 换行_Android中Strings资源加空格，换行符,@等方法示例
- 闪电网络介绍以及试用 （上）
- boost::container模块实现检查相等的容器的测试程序
- Linux:ubuntu设置交换分区
- 表格外粗内细怎么设置_金游艇复刻机芯-N厂灰游艇价格 | 复刻表评测
- 容器编排技术 -- Kubernetes 声明网络策略
- 数组实例的entries(),keys() 和 values()方法
- php root权限执行命令,如何使用PHP执行需要root权限的系统命令
- Javascript jquery css 写的简单进度条控件
- java future模式 所线程实现异步调用
- 常用工具下载及在线地址
- paip.互联网产品要成功的要素
- 直播源列表转换php,电视直播源列表制作、转换工具Telelist（可以DPL、M3U、TXT等互转）...
- 演讲者模式投影到幕布也看到备注_PPT制作技巧：如何实现ppt放映不同界面（演讲者模式）？...
- 百度世界大会全新打开方式！VR会场“希壤”上线
- 【Android】Instant Run原理解析
- 关于运行项目时 vue-pdf 插件依赖报错的问题及解决办法
- 运维工程师是桥的护栏_运维工程师职务说明书
- 多尺度R-CNN(2): Inside-Outside Net: Detecting Objects in Context with Skip Pooling and Recurrent Neural