Epoch不僅過(guò)時(shí)，而且有害？Reddit機(jī)器學(xué)習(xí)板塊展開(kāi)討論

夢(mèng)晨 2021-05-07 14:17:36 來(lái)源：量子位

夢(mèng)晨 發(fā)自 凹非寺
量子位 報(bào)道 | 公眾號(hào) QbitAI

有一天，一個(gè)調(diào)參俠在訓(xùn)練一個(gè)深度學(xué)習(xí)模型，要用到的兩個(gè)數(shù)據(jù)集損失函數(shù)不同，數(shù)據(jù)集的大小還不是固定的，每天都在增加。

他有點(diǎn)發(fā)愁，這該怎么設(shè)置Epoch數(shù)呢？

在糾結(jié)的過(guò)程中，他突然想到：干嘛非得定一個(gè)Epoch數(shù)？只要對(duì)每個(gè)Batch進(jìn)行獨(dú)立同分布抽樣?(IID Sampling)不就得了。

為了驗(yàn)證這個(gè)想法，調(diào)參俠去看了很多論文。發(fā)現(xiàn)越來(lái)越多的人介紹他們的訓(xùn)練方法時(shí)，只說(shuō)進(jìn)行了多少個(gè)Iteration，而拋棄了Epoch。

他想到，Epoch暗示并強(qiáng)調(diào)了數(shù)據(jù)集是有限的，這不僅麻煩，還有潛在的“危害”。把Epoch去掉，讓循環(huán)嵌套的層數(shù)少一層總是好的。

于是他在Reddit發(fā)起了討論：Epoch是不是過(guò)時(shí)了，甚至還有危害？

Epoch多余嗎？

有人對(duì)這個(gè)觀點(diǎn)表示贊同：

挺有道理，當(dāng)數(shù)據(jù)集大小有很大差距，Batch大小相同時(shí)，設(shè)置一樣的Epoch數(shù)，豈不是大數(shù)據(jù)集參數(shù)更新的次數(shù)多，小數(shù)據(jù)集參數(shù)更新次數(shù)少了，這似乎不對(duì)勁。

Epoch最大的好處是確保每個(gè)樣本被定期使用。當(dāng)使用IID抽樣時(shí)，你只要能想辦法確保所有樣本被同樣頻繁地使用就好了。

但調(diào)參俠覺(jué)得讓每個(gè)樣本被定期使用就是他懷疑的點(diǎn)，IID抽樣已經(jīng)確保分布相同了，再讓他們同頻率被使用就是一種誤導(dǎo)。

反對(duì)者認(rèn)為：

不能因?yàn)槟阌X(jué)得車(chē)沒(méi)開(kāi)在路的正中間就放開(kāi)方向盤(pán)不管了，雖然大撒把不會(huì)改變你正好在路中間的概率，但它增加了方差。

調(diào)參俠最后總結(jié)道，這個(gè)爭(zhēng)議有點(diǎn)像統(tǒng)計(jì)學(xué)里的“頻率派?VS?貝葉斯派”，即認(rèn)為數(shù)據(jù)集到底應(yīng)該是確定的還是不確定的。

該怎么比較模型？

調(diào)參俠還注意到，有人用Batch Loss做損失曲線。他認(rèn)為這比Epoch Loss更有參考價(jià)值。

反對(duì)者覺(jué)得，你這個(gè)方式是挺好的，但Epoch依然有用。

因?yàn)榧词乖谙嗤挠布?，不同模型的算法效率不同也?huì)帶來(lái)巨大差異。

像各種Transformer和CNN這種底層代碼實(shí)現(xiàn)都差不多，但是別的模型就可能有很不一樣。比如我們自己的CUDA LSTM實(shí)現(xiàn)，至少和CudnnLSTM一樣快，比原版TensorFlow實(shí)現(xiàn)快4倍左右。

最后，有個(gè)網(wǎng)友以CV模型為例對(duì)這個(gè)話題做出精彩總結(jié)，列了4種損失可視化方式，并介紹了什么情況該用哪個(gè)。

Loss/Epoch告訴你一個(gè)模型要觀察同一個(gè)圖像多少次才能理解它。

Loss/Iteration告訴你需要多少次參數(shù)更新。當(dāng)比較優(yōu)化器時(shí)這很有用，可以幫助你加快訓(xùn)練速度或達(dá)到更高的精度。

Loss/Total Image Seen告訴你算法看到了多少圖像時(shí)的損失。適合比較兩種算法使用數(shù)據(jù)的效率。

如果你的算法在50萬(wàn)張時(shí)達(dá)到70%、100萬(wàn)張時(shí)達(dá)到75%，這可能比50萬(wàn)張時(shí)達(dá)到50%，100萬(wàn)張時(shí)達(dá)到80%的還要好。

另外，它還消除了Batch Size的影響。這允許在不同GPU上訓(xùn)練的具有不同Batch Size的模型之間進(jìn)行公平的比較。

Loss/Time也很重要，因?yàn)槿绻粋€(gè)新模型減少了100個(gè)Epoch，但每個(gè)Iteration都慢100倍，我就不會(huì)選擇這個(gè)模型。

雖然Loss/Time關(guān)系到硬件的具體表現(xiàn)，不夠精準(zhǔn)，我不會(huì)把這個(gè)寫(xiě)到論文里。但在自己的機(jī)器上這是很好的評(píng)估模型的參數(shù)。

使用數(shù)據(jù)增強(qiáng)時(shí)呢？

有網(wǎng)友提出，數(shù)據(jù)增強(qiáng)?(Data Augmentation)時(shí)Epoch也有點(diǎn)多余。因?yàn)閿?shù)據(jù)集太小，人為給每個(gè)樣本添加很多只有微小差距的版本，沒(méi)必要讓他們被同頻率使用。

反對(duì)者認(rèn)為，數(shù)據(jù)增強(qiáng)作為正則化的一種形式減少了過(guò)擬合，但你引入的實(shí)際信息在訓(xùn)練模型時(shí)仍然局限于原始數(shù)據(jù)集。如果你的原始數(shù)據(jù)集足夠小，Epoch表示你向模型展示了整個(gè)訓(xùn)練集，仍然是有意義的。

有人問(wèn)道：

你是想表達(dá)“紀(jì)元(Epoch)”的紀(jì)元結(jié)束了嗎？

調(diào)參俠：

對(duì)，現(xiàn)在是“時(shí)代(Era)”的時(shí)代。

△無(wú)盡隨機(jī)增強(qiáng)的首字母縮寫(xiě)ERA意為“時(shí)代”

參考鏈接：

[1]https://www.reddit.com/r/MachineLearning/comments/n61vxw/d_is_the_concept_of_an_epoch_being_phased_out_or/