“就按这个方案改,今晚就跑!
小张,你带两个人改前向传播的代码,每个批次重新采样,保留概率0.
5,小吴,把对照组的配置原封不动复制一份,除了屏蔽策略其他什么都别动,我要干干净净的对比实验!”
代码改起来不难,难的是等。
训练要跑十几个小时,工作站的风扇声从傍晚一直响到后半夜。
林晨让人从系里搬来了几张行军床,结果一晚上没人躺,所有人轮流盯着损失曲线,跟产房外面等消息的家属似的。
凌晨两点,训练集损失稳步下降。
凌晨四点,验证集准确率开始爬坡。
早上七点半,最后一轮迭代结束,测试脚本自动跑完,结果打在屏幕上。
盯着屏幕的研究员揉了揉眼睛,以为自己熬夜熬出幻觉了。
“林老师!”
林晨从椅子上弹起来,三步并两步冲到屏幕前。
对照组:训练集准确率99.
2%,测试集71.
4%。
实验组:训练集准确率94.
8%,测试集82.
6%。
测试集准确率,拉高了11.
2%!
背答案的毛病,被治住了!
“真成了!”
实验室里发出一阵欢呼,林晨激动得在实验室里来回走,一边走一边掏手机,拍下结果截图,发给漆昊,配了一段感叹号密度高到没法看的文字。
“终于找对方向了!
按照这个迭代趋势,我们很快就能突破瓶颈!”
接到消息的漆昊,倒是没有多兴奋。
他总觉得哪有不对劲的地方。
来到实验室后,漆昊说了自己的想法,林晨宽慰他说:“漆老师,你多虑了,现在模型泛化能力大幅提升,过拟合问题基本解决,后续只要微调参数,优化迭代策略,模型效果只会越来越好,不会有任何问题。”
“你放心,我们对你有信心。”
漆昊心累。
你们先别这么有信心。
他说出了自己的顾虑:“我认为,现在只是浅层网络的短期假象,这套随机失活方案,能缓解浅层,中层网络的过拟合问题,但无法完全解决深层网络的结构性缺陷。”
“我们现在只用了二十多层网络,效果看似完美,一旦继续堆叠层数,往五十层、六十层的深度网络推进,新的问题会彻底爆发。”
漆昊的担忧其实源于自己此前的研究项目,喀秋莎量化算法。
之前漆昊研发喀秋莎量化程序时,尝试基于卷积神经网络,让程序能有完整的价格形态表征学习能力,实现自动化、高精度的时序特征识别和预判。
但是这段时间,他觉得模型存在缺陷,无论怎么调参优化,深层特征提取始终存在偏差。
直到此刻破解浅层网络过拟合难题,他才找到了问题。
随机失活只能打破浅层神经元的协同适配,却无法修复深层网络堆叠后的梯度消失,特征退化问题,层数越深,模型畸变越严重。
为了验证自己的预判,当晚回到住处,漆昊第一时间调出喀秋莎量化程序的后台训练日志和运行数据。
后台海量的迭代记录清晰显示,程序在浅层网络训练时,特征识别,数据拟合,泛化预判全部正常,可一旦网络层数突破四十层,时序特征提取精度开始持续下滑,叠加到五十层以上,误差直接指数级暴涨。
本章未完,请翻下一页继续阅读.........