dropout 在 mini-batch 梯度下降中的混淆用法

Question

我的问题到最后了

一个 example CNN 使用 mini-batch GD 训练并在最后一个全连接层（第 60 行）使用 dropout 作为

fc1 = tf.layers.dropout(fc1, rate=dropout, training=is_training)

起初我认为 tf.layers.dropout 或 tf.nn.dropout 随机将列中的神经元设置为零。但是我最近发现不是这样的。下面的代码打印了 dropout 的作用。我使用 fc0 作为 4 样本 x 10 特征矩阵，fc 作为退出版本。

import tensorflow as tf
import numpy as np

fc0 = tf.random_normal([4, 10])
fc = tf.nn.dropout(fc0, 0.5)

sess = tf.Session()
sess.run(tf.global_variables_initializer())

a, b = sess.run([fc0, fc])
np.savetxt("oo.txt", np.vstack((a, b)), fmt="%.2f", delimiter=",")

并且在输出中oo.txt（原始矩阵：第1-4行，丢弃矩阵：第5-8行）：

0.10,1.69,0.36,-0.53,0.89,0.71,-0.84,0.24,-0.72,-0.44
0.88,0.32,0.58,-0.18,1.57,0.04,0.58,-0.56,-0.66,0.59
-1.65,-1.68,-0.26,-0.09,-1.35,-0.21,1.78,-1.69,-0.47,1.26
-1.52,0.52,-0.99,0.35,0.90,1.17,-0.92,-0.68,-0.27,0.68
0.20,0.00,0.71,-0.00,0.00,0.00,-0.00,0.47,-0.00,-0.87
0.00,0.00,0.00,-0.00,3.15,0.07,1.16,-0.00,-1.32,0.00
-0.00,-3.36,-0.00,-0.17,-0.00,-0.42,3.57,-3.37,-0.00,2.53
-0.00,1.05,-1.99,0.00,1.80,0.00,-0.00,-0.00,-0.55,1.35

我对 proper? dropout 的理解是，在 mini-batch或batch梯度下降阶段，反向传播更新"thinned network"[=59=的权重和偏差].然而，在 example 的实现中，一批中每个样本 的神经元被随机 丢弃，如 oo.txt 第 5 至 8 行所示，对于每个样本，"thinned network" 是 不同的 。

作为比较，在随机梯度下降的情况下，样本被一个接一个地馈入神经网络，并且在每次迭代中，更新每个 tf.layers.dropout 引入 "thinned network" 的权重.

我的问题是，在mini-batch或者batch training中，不应该实现对所有样本在一批中敲除相同的神经元吗？也许通过在每次迭代时对所有输入批次样本应用一个掩码？类似于：

# ones: a 1xN all 1s tensor # mask: a 1xN 0-1 tensor, multiply fc1 by mask with broadcasting along the axis of samples mask = tf.layers.dropout(ones, rate=dropout, training=is_training) fc1 = tf.multiply(fc1, mask)

现在我在想 example 中的 dropout 策略可能是 weighted 更新某个神经元权重的方式，如果一个神经元保留在小批量中 10 个样本中的 1 个，其权重将更新 alpha * 1/10 * (y_k_hat-y_k) * x_k，与 alpha * 1/10 * sum[(y_k_hat-y_k) * x_k] 相比，另一个神经元的权重保留在所有 10 个样本中？

截图来自here

Answer 1

Dropout 通常用于防止过度拟合。在这种情况下，它将对其中一个神经元施加巨大的权重。通过不时地将其随机设为 0，您可以强制网络使用更多神经元来确定结果。为了让它运作良好，你应该为每个例子丢弃不同的神经元，这样你计算的梯度与你在没有丢弃的情况下得到的梯度更相似。

如果您要为批次中的每个示例丢弃相同的神经元，我的猜测是您的梯度会不太稳定（对于您的应用程序可能无关紧要）。

此外，dropout 会放大其余值，以将平均激活保持在大致相同的水平。没有它，当您关闭 dropout 时，网络会学习错误的偏见或过度饱和。

如果您仍然希望在批处理中丢弃相同的神经元，则将丢弃应用于形状为 (1, num_neurons) 的所有 1 张量，然后将其与激活相乘。

Answer 2

使用 dropout 时，您实际上是在尝试使用 Monte-Carlo 采样（通过积分符号下的微分，平均梯度等于平均值）。通过为每个 mini-batch 固定一个 dropout mask，你只是在连续的梯度估计之间引入相关性，这会增加方差并导致训练速度变慢。

想象一下，对小批量中的每个图像使用不同的 dropout-mask，但是从同一图像的 k 个副本形成小批量；很明显，这完全是白费力气！

dropout 在 mini-batch 梯度下降中的混淆用法

Confused usage of dropout in mini-batch gradient descent

tensorflow

machine-learning

neural-network

gradient-descent

mini-batch